Résumé

Sélectionnez d'abord une fonction d'activation en cliquant sur l'image.
Sélectionnez un ensemble de motifs d'entrée / sortie. Vous pouvez l'entraîner de manière automatique ou bien pas à pas. Pendant l'apprentissage, vous pouvez voir l'hyperplan de décision évoluer.
Après l'apprentissage, testez le neurone avec chacun des motifs d'entrée.

Sélectionnez la fonction boolénne désirée dans la table de vérité.
Sélectionnez la fonction d'activation désirée en cliquant sur l'image. Vous pouvez aussi changer des paramètres de cette fonction en maintenant la touche Shift enfoncée pendant que vous cliquez.
Ajustez les paramètres d'apprentissage comme vous le désirez. Les valeurs possibles sont :

La progression de l'apprentissage est affichée (progress et status bars).
L'erreur pour le motif d'entrée courant est affichée dans le champ de texte Current-Error.
La somme des erreurs quadratiques sur l'ensemble des vecteurs d'entrée est affichée dans le champ de texte Sum-Squared Error.
La capacité du Perceptron à classifier les entrées dans deux classes (0 et 1) est montrée dans un graphe en haut à droite de l'applet. Cela ne fonctionne que pour le graphe 2D.

Après l'apprentissage, cliquez sur le bouton Test plusieurs fois pour faire passer les quatres vecteurs d'entrée.
Notes:

Si la sortie du neurone est correcte (inférieur au seuil d´erreur spécifié), la sortie du neurone est affichée en vert sinon elle est affichée en rouge.
L'erreur courante et la somme des erreurs quadratiques est mise à jour est affichée dans les champs de texte correspondants.

Test

[retour ]