Étape 5: BPN (Intelligence artificielle)
La capacité du cerveau humain de penser, se rappeler et à résoudre
problèmes a inspiré de nombreux informaticien pour modéliser cette structure à l’aide de matériel et logiciels. Ainsi, aujourd'hui, nous pouvons rencontrer différents modèles de réseau neuronal artificiel qui essaient d’imiter le comportement biologique de neurones biologiques.
Un de ces modèles est le Back Propagation réseau (BPN) qui est composé des éléments suivants :
-Traitement des unités (neurones artificiels)
-Couche d’entrée
-Des couches
-Couche de sortie
-Apprendre des règles
Si nous voulons récupérer une valeur une valeur basée sur un apport spécifique, il y a une fonction avant alimentation qui calcule la valeur de chaque neurone comme la somme de toutes les entrées de cette unité multipliée par la pondération de lien.
Quand la BPN est formée, l’algorithme doit spécifier les entrées et les résultats escomptés alors la BPN obtient une erreur. En utilisant la dérivation partielle de l’erreur totale et la valeur de chaque lien la BPN ajuste la valeur du poids de façon descendante-aliments pour animaux (d'où le nom vient).
Dans le but de ce projet, nous avons utilisé trois couches: 1 couche d’entrée contenant 1024 unités mappées à partir du vecteur de données reçues via le microphone du téléphone, 1 couche cachée de 512 unités et 1 sortie, ce qui représente une valeur booléenne de déménagement ou de ne pas se déplacer.
On trouvera des renseignements supplémentaires sur le code sur ce référentiel : https://github.com/jocan3/RedBotDance