J'aimerais connaître les problèmes spécifiques qui ont été résolus à l'aide des techniques de réseaux neuronaux artificiels et savoir quelles bibliothèques/cadres vous avez utilisées si vous n'avez pas créé les vôtres.
Questions :
Je cherche des expériences de première main, alors ne répondez que si vous en avez.
J'ai fait quelques travaux pour Toyota qui impliquaient l'utilisation de réseaux neuronaux pour prédire quand un conducteur est sur le point d'avoir un accident. .
Nous avons utilisé un algorithme de neuroévolution appelé NEAT pour développer des réseaux qui convertissent l'entrée du sonar, du télémètre laser ou de la caméra CCD en un signal d'avertissement. Le signal d'avertissement était ensuite transmis au conducteur, dans le but de l'aider à éviter les situations dangereuses.
Voici quelques exemples de différentes modalités de capteurs que nous avons utilisés à la fois en simulation et sur un petit robot à quatre roues :
Les résultats ont été très satisfaisants ; les réseaux évolués ont été capables d'utiliser des données d'entrée de fidélité relativement faible pour faire des prédictions étonnamment bonnes d'un danger imminent .
L'algorithme NEAT a également été utilisé sur une variété d'autres problèmes (y compris quelques un travail impressionnant dans les jeux vidéo ) et a a été mis en œuvre dans de nombreuses langues modernes .
En 2007, j'ai fait partie d'un groupe d'étudiants en master chargés de classer le sol (par opposition aux bâtiments, voitures, arbres, etc.) dans une photographie.
Le projet était axé sur le traitement et la compréhension des images, où la tâche consistait à tenter d'extrapoler des parties de photographies panoramiques à 360°. Par exemple, nous prenions la photo ci-dessous (prise avec un véhicule personnalisé) et essayions de découvrir la couverture du sol (c'est-à-dire la route, le trottoir, etc.) sur la photo.
Si nous extrapolons à la main le plan du sol de l'image précédente, nous nous accorderons probablement sur une image ressemblant à celle-ci :
Nous pouvons alors considérer ceci comme la vérité de base.
L'application développée par notre groupe de recherche, Ground Plane Classification (GPC), utilise une taxonomie en six étapes (proposée par M. Egmont-Petersen et al., 2002) comprenant : le prétraitement, la réduction des données, la segmentation, la détection d'objets et la compréhension de l'image (et l'optimisation tout au long du processus). La classification a lieu dans la phase de compréhension de l'image, qui fait appel à un réseau neuronal artificiel Feed Forward spécialement formé à l'aide d'un ensemble d'entraînement de photographies panoramiques.
Nos résultats donnent généralement une marge d'erreur d'environ 3 à 4 %. L'image classée automatiquement ci-dessous présente un taux d'erreur de seulement 1,1%.
À l'origine, nous avions prévu de prendre en compte les coordonnées GPS, mais cela n'a finalement pas fonctionné car (a) elles ne sont pas assez précises et (b) nous ne disposons pas d'une carte qui ressemble aux structures dans le détail souhaité.
N'hésitez pas à en savoir plus ¡!
Je suis surpris que personne ne soit encore intervenu à ce sujet, mais j'ai utilisé un réseau neuronal artificiel pour tenter de prédire les marchés financiers ( FOREX ) pour mon mémoire de fin d'études. Je l'ai fait principalement pour m'amuser, mais j'ai constaté que j'étais capable d'obtenir une précision d'environ 55-65%.
Il est intéressant de noter que les réseaux neuronaux sont excellents pour analyse des régressions Dans ce cas, il était associé à une solution graphique qui me permettait de voir les résultats du système en direct. Malheureusement, il n'a été capable d'obtenir les résultats ci-dessus que pour les 10 prochaines pips après environ 2 semaines de formation avec 10 ans de données.
En ce qui concerne les bibliothèques utilisées, il s'agissait d'un mélange de solutions que j'ai fini par sélectionner et combiner dans ma solution finale. Il s'agissait d'un mélange de Encog , Le paquet du réseau Nueral de Joe Huwaldt y PyMl se sont mélangés pour former ma propre solution Java.
F.Y.I. J'ai trouvé que la solution de Joe était la plus facile à utiliser pour prototyper rapidement différentes structures de réseaux neuronaux en raison de sa construction simple et des deux exemples fournis.
Si je pouvais recommencer, je choisirais facilement de l'écrire en Python, uniquement en raison du nombre impressionnant de projets Python open source que j'ai trouvés et dont je me suis inspiré. La plupart d'entre eux, j'ai dû les remanier en Java plutôt que de les utiliser immédiatement et de commencer à prototyper, ce qui m'a fait perdre une partie de mon temps d'implémentation, même si j'ai pu mieux comprendre le code.
J'ai utilisé des réseaux neuronaux artificiels pour prédire la résistance au cisaillement de colonnes en béton armé, ainsi que leur capacité de déformation par rotation. Il s'agit d'un problème comportant de nombreuses variables indépendantes et des résultats extrêmement non linéaires, ce qui est parfait pour les ANN.
J'ai compilé une grande base de données de tests provenant de nombreuses sources pour entraîner le réseau et juger de sa précision. Les applications des réseaux neuronaux pour résoudre des problèmes de génie civil ne sont pas rares.
J'avais utilisé une application appelée Trajan pour faire une partie de ce travail, mais j'ai l'intention de mettre en place ma propre solution et de revoir le problème car j'ai besoin de plus de contrôle sur les données.
J'ai fait un doctorat sur les réseaux neuronaux. J'y ai résolu plusieurs problèmes liés aux séries chronologiques. Par exemple, j'ai modélisé un mécanisme de rappel de séquences de motifs (un peu comme la mémorisation d'un numéro de téléphone). Pour ce faire, nous utilisons un système dans lequel la partie de la séquence récitée jusqu'à présent vous rappelle le motif suivant (c'est pourquoi il est très difficile de se rappeler votre numéro de téléphone à l'envers). Mon doctorat est en ligne aquí .
J'ai écrit tous mes propres logiciels de simulation en C.
Prograide est une communauté de développeurs qui cherche à élargir la connaissance de la programmation au-delà de l'anglais.
Pour cela nous avons les plus grands doutes résolus en français et vous pouvez aussi poser vos propres questions ou résoudre celles des autres.
