augustin64/tipe
1
1
Fork 0
mirror of https://github.com/augustin64/projet-tipe synced 2025-01-24 07:36:24 +01:00
Code Issues Packages Projects Releases Wiki Activity

Notation changes

Browse Source
This commit is contained in:
Julien Chemillier 2022-04-19 10:57:29 +02:00
parent 40cbdecf07
commit 6e4e5f0947
1 changed files with 11 additions and 10 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

21
src/mnist/neural_network.c
View File

@ -8,11 +8,12 @@
// Définit le taux d'apprentissage du réseau neuronal, donc la rapidité d'adaptation du modèle (compris entre 0 et 1)
//Cette valeur peut évoluer au fur et à mesure des époques (linéaire c'est mieux)
#define TAUX_APPRENTISSAGE 0.2
#define TAUX_APPRENTISSAGE 0.15
//Retourne un nombre aléatoire entre 0 et 1
#define RAND_DOUBLE() ((double)rand())/((double)RAND_MAX)
//Coefficient leaking ReLU
#define COEFF_LEAKY_RELU 0.2
#define MAX_RESEAU 10
float max(float a, float b){
@ -180,20 +181,20 @@ void modification_du_reseau_neuronal(Reseau* reseau) {
for (int i=0; i < reseau->nb_couches-1; i++) { // on exclut la dernière couche
for (int j=0; j < reseau->couches[i]->nb_neurones; j++) {
neurone = reseau->couches[i]->neurones[j];
neurone->biais = neurone->biais - TAUX_APPRENTISSAGE * neurone->d_biais; // On modifie le biais du neurone à partir des données de la propagation en arrière
neurone->biais = neurone->biais + TAUX_APPRENTISSAGE * neurone->d_biais; // On modifie le biais du neurone à partir des données de la propagation en arrière
neurone->d_biais = 0;
if (neurone->biais > 1)
neurone->biais = 1;
else if (neurone->biais < -1)
neurone->biais = -1;
if (neurone->biais > MAX_RESEAU)
neurone->biais = MAX_RESEAU;
else if (neurone->biais < -MAX_RESEAU)
neurone->biais = -MAX_RESEAU;
for (int k=0; k < reseau->couches[i+1]->nb_neurones; k++) {
neurone->poids_sortants[k] = neurone->poids_sortants[k] - (TAUX_APPRENTISSAGE * neurone->d_poids_sortants[k]); // On modifie le poids du neurone à partir des données de la propagation en arrière
neurone->d_poids_sortants[k] = 0;
if (neurone->poids_sortants[k] > 1)
neurone->poids_sortants[k] = 1;
else if (neurone->poids_sortants[k] < -1)
neurone->poids_sortants[k] = -1;
if (neurone->poids_sortants[k] > MAX_RESEAU)
neurone->poids_sortants[k] = MAX_RESEAU;
else if (neurone->poids_sortants[k] < -MAX_RESEAU)
neurone->poids_sortants[k] = -MAX_RESEAU;
}
}
}