Workflow du design de réseaux de neurones
Le workflow du processus de design d’un réseau de neurones comporte sept étapes principales. Les sujets référencés abordent les notions de base des étapes 2, 3 et 5.
Collecter des données
Créer le réseau — Create Neural Network Object
Configurer le réseau — Configure Shallow Neural Network Inputs and Outputs
Initialiser les poids et les biais
Entraîner le réseau. — Neural Network Training Concepts
Valider le réseau
Utiliser le réseau
En règle générale, le recueil des données à l’étape 1 se produit en dehors du logiciel Deep Learning Toolbox™, mais nous l’abordons dans les grandes lignes dans Réseaux de neurones peu profonds multicouches et apprentissage par rétropropagation. Pour plus de détails sur les autres étapes et pour consulter les discussions relatives aux étapes 4, 6 et 7, reportez-vous aux rubriques propres au type de réseau.
Le logiciel Deep Learning Toolbox utilise l'objet réseau pour stocker toutes les informations qui définissent un réseau de neurones. Cette rubrique décrit les composants de base d'un réseau de neurones et illustre la manière dont ils sont créés et stockés dans l'objet réseau.
Une fois qu'un réseau de neurones a été créé, il doit être configuré, puis entraîné. La configuration consiste à organiser le réseau de manière à ce qu'il soit compatible avec le problème à résoudre, tel que le définissent les exemples de données. Une fois le réseau configuré, les paramètres ajustables du réseau (appelés poids et biais) doivent être ajustés afin d'optimiser la performance du réseau. Ce processus d’ajustement est appelé apprentissage du réseau. La configuration et l’apprentissage exigent que le réseau reçoive des exemples de données. Cette rubrique indique comment formater les données pour les présenter au réseau. Il explique également la configuration du réseau et les deux formes d'apprentissage du réseau : l'apprentissage incrémental et l'apprentissage par batch.
