J'ai une petite question maintenant que je sais combien j'ai d'entrées et combien j'ai de sortie et que je connais les différentes valeurs. Comment je fait pour choisir le nombre de couche de mon réseau la méthode d'apprentissage et comment je le met en code.
Cordialement.
Pour le nombre de couche et le nombre de neurone par couche, je dirais au pif
Plus tu as de couches cachées et de neurones, plus ça sera long pour converger vers une solution.
Moins tu as de neurones, plus ça sera rapide. Mais si tu n'as pas assez de neurones, il se peut que tu n'arrives pas à faire ce que tu veux.
Heureusement, le problème du déplacement est très simple. Je pense qu'avec une couche caché de 4 neurones, ça devrait suffire.
Pour la méthode d'apprentissage, c'est comme tu veux. Soit tu fait des simulations pour trouver les poids de tes synapses et jouer sur la structure du réseau de neurones. Soit tu imagines une méthode d'apprentissage directement sur le robot. Il y a un peu de réflexion à avoir à ce niveau.
L'avantage de faire l'apprentissage sur le robot réel, c'est que si celui-ci à un défaut (panne d'un moteur par exemple), le réseau de neurone s'adaptera pour que le robot se déplace sans rencontrer d'obstacles malgré ce défaut (si l'apprentissage est bien fait).
Pour le code, je ne vais pas le faire à ta place ^^ ça dépend du langage, de la plateforme, etc.
Sinon, tu es vraiment obligé d'utiliser les réseaux de neurone pour guider ton robot ?
Au final, si le robot n'a pas de défaut, ça aura le même effet qu'un planificateur de trajectoire par logique floue
http://www.ferdinandpiette.com/blog/les-dossiers/dossier-la-logique-floue/