Discussion :

[Minoucha2006]

Bonjour tout le monde

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
net = newdtdnn(PR,[D1 D2...DN1],[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
PR  - Rx2 matrix of min and max values for R input elements.
%      Di  - Delay vector for the ith layer.
%      Si  - Size of ith layer, for Nl layers.
%      TFi - Transfer function of ith layer, default = 'tansig'.
%      BTF - Backprop network training function, default = 'trainlm'.
%      BLF - Backprop weight/bias learning function, default = 'learngdm'.
%      PF  - Performance function, default = 'mse'.

j'ai voulu savoir comment je fais pour ajouter des "Di" dans la couche d'entrée d'un tdnn. ici avec newtdnn(..) ca permet d'ajouter des Di dans les couches cachées et dans la couche de sortie et non pas dans la couche d'entrée

Merci d'avance

[Clercq]

Je ne connaissais pas ce type de réseaux de neurones, mais à priori les "Delay vector" indique pour une couche donnée, jusqu'à qu'elle profondeur je veux réutiliser les données calculées (et donc les "bufferiser").

Pour la couche d'entrée ça reviens à repasser les n vecteurs d'entrée précédemment passé à ton réseau, du coup il n'y a pas besoin de rajouté de Di à la méthode, c'est à toi de le faire dans ton code (appel du réseaux puis avec les n précédents appels). En effet la méthode n'a pas besoin de sauvegarder les donnée reçu en entré puisque ce sont des données "persistante" (ta base d'apprentissage), contrairement aux résultats des calculs post couche(s) cachée(s) et couche de sortie.

Enfin, c'est mon avis après une lecture diagonal d'un article sur les TDNN.

[Minoucha2006]

Bonjour,
En lisant le code se trouvant dans le fichier newdtdnn, j'ai compris que

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
net = newdtdnn(PR,[D1 D2...DN1],[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
PR  - Rx2 matrix of min and max values for R input elements.
%      Di  - Delay vector for the ith layer.
%      Si  - Size of ith layer, for Nl layers.
%      TFi - Transfer function of ith layer, default = 'tansig'.
%      BTF - Backprop network training function, default = 'trainlm'.
%      BLF - Backprop weight/bias learning function, default = 'learngdm'.
%      PF  - Performance function, default = 'mse'.

Le D1 c'est pour la couche d'entrée et le D2 c'est pour la première couche cachée etc
tandis que S1 désigne la taille du 1ere couche cachée et S2 du deuxième couche cachée jusqu'à arrivé à la couche de sortie (S2 va être la couche de sortie si on a une seule couche cachée)

c à d si on veut conclure on peut dire que le i de Di et le i de Si n'est pa le meme..
Merci de me confirmer ce que je viens de constater si celui ci est vrai..