Discussion :

[smudger]

Salut tout le monde !!!
J'ai un big problème et j'ai besoin de votre aide.
Bref actuellement je travail sur un mini projet de prédiction, où il nous est demandé de prédire la charge électrique en utilisant les Réseaux de neurones Artificiel.
Le problème c'est que je n'arrive pas a créer un réseau à "plusieurs pas en avant"...

Merci d'avance de m'aider.
PS : aForge est la librairie utilisée

[BenoitM]

Pour t'aider il y a :
1) J'écoute mon prof en classe
2) Je pose des questions à mon prof , il est là pour ca
3) Je demande à mes copains de classes
4) J'utilise google
5) Je viens sur developpez.net quand j'ai des questions précises et non "faites mon boulot svp"

[smudger]

c'est vrai que je n'est pas donner suffisamment de details et c'est bien deviné aussi que je ne suit pas vraiment bien en classe mais la sérieusement j'ai besoin d'aide je laisse mon code ci-dessous et attends vos reponse merci d'avance :

si dessous la partie du code qui a permis de creer le réseau suivi des principales commandes:
erreur = apprentissage.RunEpoch(entrees, sorties); (pour l'apprentissage)
double erreurVal = computiation(entreesval, sortiesdis); (pour la validation) :
Ma question est comment pourrais-je faire plusieurs pas en avant (réinjecter les sorties) sur mon reseau de neurones car ce dernier ne donne pas de résultats satisfaisants [^^peur] et merci d'avance

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Windows.Forms;
using System.Collections;
using System.Threading;
using System.IO;
using AForge.Neuro;
using AForge.Neuro.Learning;
using AForge.Controls;
using ZedGraph;
using AForge.Genetic;
namespace Network
{
    public partial class Form1 : Form
    {
        double erreur;
        int nbreNeurHidLay = 3;
        double pasDApp = 0.1;
        double momentum = 0;
        int j;
 
        double[][] entrees = new Double[119][];
        double[][] sorties = new Double[119][];
 
        double[][] entreesval = new Double[118][];
        double[][] sortiesdis = new Double[118][];
 
        double[][] entreestest = new Double[7][];
        double[][] sortiestest = new Double[7][];
 
 
      ArrayList tabDynErr = new ArrayList();
        ArrayList tabDynVal = new ArrayList();
        ArrayList tabCompO = new ArrayList();
 
        ArrayList sortiescalculées = new ArrayList();
        bool stop = false;
        double[] Données_semaine_RNA = new double[246];
        //double[] PIBsemaine5ans = new double[265];
 
 
        IActivationFunction fonction;
        ActivationNetwork reseau;
        BackPropagationLearning apprentissage;
 
        public Form1()
        {
            Control.CheckForIllegalCrossThreadCalls = false;
            InitializeComponent();
            initialisation();
        }
 
        public void initialisation()
        {
            initgraph();
            limErreurfield.Text = "0,01";
            limIterField.Text = 500.ToString();
            pasDAppField.Text = pasDApp.ToString();
            MomentumField.Text = momentum.ToString();
            alphaField.Text = "2";
 
           nbreNeuField.Text = nbreNeurHidLay.ToString();
 
           fonction = new BipolarSigmoidFunction(double.Parse(alphaField.Text));
            reseau = new ActivationNetwork(fonction, 3, int.Parse(nbreNeuField.Text), 1);
            apprentissage = new BackPropagationLearning(reseau);
            apprentissage.LearningRate = double.Parse(pasDAppField.Text);
            apprentissage.Momentum = double.Parse(MomentumField.Text);
 
 
            gotya("C:\\Data\\Données_semaine_RNA3.txt", Données_semaine_RNA);
            //gotya2("C:\\Data\\PIB_semaine5ans.txt", PIBsemaine5ans);
 
 
            for (int i = 0; i < 119; i++)
                entrees[i] = new double[] { Données_semaine_RNA[i], Données_semaine_RNA[i+1], Données_semaine_RNA[i+2]};
 
            for (int i = 0; i < 119; i++)
                sorties[i] = new double[] { Données_semaine_RNA[i + 3] };
 
            for (int i = 0; i < 118; i++)
                entreesval[i] = new double[] { Données_semaine_RNA[i + 119], Données_semaine_RNA[i + 120], Données_semaine_RNA[i + 121] };
 
            for (int i = 0; i < 118; i++)
                sortiesdis[i] = new double[] { Données_semaine_RNA[i + 122] };
 
            for (int i = 0; i < 7; i++)
                sortiestest[i] = new double[] { Données_semaine_RNA[i + 236], Données_semaine_RNA[i + 237], Données_semaine_RNA[i + 238] };
 
            for (int i = 0; i < 7; i++)
                sortiestest[i] = new double[] { Données_semaine_RNA[i + 239] };
 
 
 
        }
 
        public void learnin() {
 
            int j = 0, cpt=0;;
            while (!stop)
            {
                erreur = apprentissage.RunEpoch(entrees, sorties);
                double erreurVal = computiation(entreesval, sortiesdis);
                listErreur.Items.Add(j.ToString("000") + "\t" + erreur.ToString("0.######") + "\t\t" + erreurVal.ToString("0.######") );
                tabDynErr.Add(erreur);
                tabDynVal.Add(erreurVal);
                listErreur.SelectedIndex = listErreur.Items.Count - 1;
 
                if (erreurVal<double.Parse(limErreurfield.Text) || j+1>int.Parse(limIterField.Text))
                {
                    arreter.Enabled = false;
                    stop = true;
                    CreerGraphique(zg1);
                }
 
                /*if (j!=0 && (double)tabDynVal[j] > (double)tabDynVal[j - 1])
                {
                    cpt++;
                    if (cpt > 10)
                    {
                        arreter.Enabled = false;
                        stop = true;
                        CreerGraphique(zg1);
                    }
                } 
                //*/
                j++;
            }
        }
 
        private double computiation(double[][] entreesval, double[][] sortiesdis)
        {
            double totalError = 0;
 
            for (int i = 0, inputVectorsAmount = entreesval.Length; i < inputVectorsAmount; i++)
            {
                double[] computedOutput = reseau.Compute(entreesval[i]);
                tabCompO.Add(computedOutput[0]);
 
                for (int j = 0, outputLength = sortiesdis[0].Length; j < outputLength; j++)
                {
                    double error = sortiesdis[i][j] - computedOutput[j];
                    totalError += error * error;
                }
            }
            return totalError;
        }
 
        private void commencer_Click(object sender, EventArgs e)
        {
 
            zg1.GraphPane.CurveList.Clear();
            zg1.Invalidate();
            commencer.Enabled = false;
            arreter.Enabled = true;
            stop = false;
           // learnin();
            Thread thread = new Thread(new ThreadStart(learnin));
            thread.Start();
        }
 
        private void arreter_Click(object sender, EventArgs e)
        {
            arreter.Enabled = false;
            stop = true;
 
            CreerGraphique(zg1);
        }
        public void gotya(String filename, Double[] tabData)
        {
            TextReader sr = new StreamReader(filename);
 
            string contents = sr.ReadToEnd();
            string[] myArray = contents.Split('\t');
 
            for (int j = 0; j <246; j++)
            {
              //  string a = myArray[j];
 
                tabData[j] = Convert.ToDouble(myArray[j]) / 4175.9;
 
            }
        }