Path: ...!weretis.net!feeder8.news.weretis.net!eternal-september.org!news.eternal-september.org!.POSTED!not-for-mail
From: efji <efji@efi.efji>
Newsgroups: fr.rec.photo
Subject: =?UTF-8?B?UmU6IFtIU10gUmU6ICJpbnRlbGxpZ2VuY2UgZGUgbCdJQSIgKCB3YXMg?=
 =?UTF-8?Q?pas_mal=2e=2e_ma_photo_de_gu=c3=aape_!_=29?=
Date: Sun, 7 May 2023 23:40:46 +0200
Organization: A noiseless patient Spider
Lines: 64
Message-ID: <u395su$3hglr$1@dont-email.me>
References: <u0r2k6$161g2$1@dont-email.me> <u2vu15$1p9nr$2@dont-email.me>
 <u2vv86$1pgnv$1@dont-email.me> <u303jf$3mr$3@shakotay.alphanet.ch>
 <u30jed$d66$1@shakotay.alphanet.ch> <u30n0v$1skvi$1@dont-email.me>
 <u30tuv$ra2$1@shakotay.alphanet.ch> <u31fri$217j0$1@dont-email.me>
 <u31kvc$t61$2@shakotay.alphanet.ch> <u32d3o$28862$1@dont-email.me>
 <u32eba$297nu$1@dont-email.me> <u32met$2ajpp$1@dont-email.me>
 <u33chu$v37$1@shakotay.alphanet.ch> <u33enj$2egfn$1@dont-email.me>
 <u33frq$2e8kn$3@dont-email.me> <u34ams$t7o$1@shakotay.alphanet.ch>
 <u34r6n$2o9fo$2@dont-email.me> <u352cs$2pf7n$1@dont-email.me>
 <u35389$2piub$1@dont-email.me> <u364sg$mc7$1@shakotay.alphanet.ch>
 <u36atq$2va6b$6@dont-email.me> <u36b9k$2vrj9$3@dont-email.me>
 <u37e6a$38o0l$2@dont-email.me> <u37o57$3a8id$1@dont-email.me>
 <u3867o$3cgei$1@dont-email.me> <u389f2$3d04p$1@dont-email.me>
 <u38bu4$3dchh$1@dont-email.me> <u38ua7$iit$1@shakotay.alphanet.ch>
 <64580554$0$31539$426a34cc@news.free.fr> <u394t7$dfg$1@shakotay.alphanet.ch>
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8; format=flowed
Content-Transfer-Encoding: 8bit
Injection-Date: Sun, 7 May 2023 21:40:47 -0000 (UTC)
Injection-Info: dont-email.me; posting-host="e20fddb234c854ad0808a3235a24b097";
	logging-data="3719867"; mail-complaints-to="abuse@eternal-september.org";	posting-account="U2FsdGVkX19KnP4HvGGFPZRfRuEozsWo"
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:102.0)
 Gecko/20100101 Thunderbird/102.10.1
Cancel-Lock: sha1:/smNvbhZb4LvVVwJvyPW9DJr5/w=
In-Reply-To: <u394t7$dfg$1@shakotay.alphanet.ch>
Content-Language: fr, en-US
Bytes: 4409

Le 07/05/2023 à 23:23, Stephane Legras-Decussy a écrit :
> On 05/07/2023 10:08 PM, Den wrote:
> 
>> Certes, mais tu pourrais être plus complet : un certain nombre de 
>> sorties peuvent être rebouclées sur les entrées, comme les systèmes 
>> séquentiels (sauf que là, il n'y a pas d'horloge).
> 
> oui j'ai dit on fait l'architecture qu'on veut, y compris rebouclage... 
> no limite.
> 
> en revanche il y a bien une horloge, comme dans les systèmes de simu 
> analogique...   delta_t arbitraire.
> 
> 
> on peut écrire tout le code d'une AI en une page :
> 
> 1 000 000 de neurones k , 1000 entrées IN ik par neurone k, 1 COEF ik 
> pour chaque IN ik, et une sortie OUT k
> 
> début :
> 
> pour k de 0 à 1 000 000, faire :
>          S = 0
>         pour chaque INik  (i de 0 à 1000), faire :
>              S = S + INik x COEFik
> 
>         OUTk = 1 / (1+ exp(-S))
> 
> pour k de 0 à 1 000 000 et i de 0 à 1000, faire :
>       copier les OUT k dans les IN ik suivant l'architecture choisie.
> 
> goto début.
> 
> et voilà c'est tout... voilà le programme déroulé par le CPU.
> 
> là c'est du concret pour n'importe qui ayant fait un peu de BASIC !
> 
> c'est pour ça que je dis à JDD que c'est pas ce code ci-dessus qui bat 
> Kasparov, mais bien quelque chose que personne ne comprend et qui
> est dans les COEF ik qui font plusieurs tera.

Presque. Tu as oublié la dimension aléatoire. Ton code est totalement 
déterministe.

9 lignes de python qui font la même chose :

from numpy import exp, array, random, dot
training_set_inputs = array([[0, 0, 1], [1, 1, 1], [1, 0, 1], [0, 1, 1]])
training_set_outputs = array([[0, 1, 1, 0]]).T
random.seed(1)
synaptic_weights = 2 * random.random((3, 1)) - 1
for iteration in xrange(10000):
     output = 1 / (1 + exp(-(dot(training_set_inputs, synaptic_weights))))
     synaptic_weights += dot(training_set_inputs.T, 
(training_set_outputs - output) * output * (1 - output))
print 1 / (1 + exp(-(dot(array([1, 0, 0]), synaptic_weights))))


Explications plus détaillées ici :
https://medium.com/technology-invention-and-more/how-to-build-a-simple-neural-network-in-9-lines-of-python-code-cc8f23647ca1

-- 
F.J.