Introduction à l'Intelligence Artificielle

Créez un nouveau projet Java sous Eclipse.

Créez une nouvelle classe intitulée Perceptron. Cette classe a 3 attributs:

• une liste de double représentant les entrées (vous pouvez utiliser la classe java.util.ArrayList pour cela)
• une liste de double représentant les poids associés à chaque
• un double représentant la valeur de sortie du perceptron

Écrivez des méthodes pour modifier la valeur des entrées et des poids et lire la valeur de sortie. Les signatures des méthodes doivent être:

• public void setPoids(ArrayList<Double> p)
• public void setInputs(ArrayList<Double> i)
• public double getSortie()

Écrivez enfin une méthode calcul qui réalise la somme des produits entrée * poids. Si cette somme est supérieure à un seuil (disons 0.5) la valeur de sortie est fixée à 1, sinon elle vaut 0.

Créez une classe avec une méthode exécutable main. Dans cette méthode, créez une nouvelle instance de perceptron disposant de 3 entrées tel que représenté ci-dessous.

La première entrée est une valeur constante qui servira à ajuster le seuil de la fonction d'activation. Dans votre méthode main demandez une saisie au clavier pour les deux autres entrées. Fixez les poids à des valeurs quelconques, exécutez la méthode calcul et affichez la valeur de sortie du perceptron pour vérifier son bon fonctionnement.

Créez une nouvelle méthode train(double expected) qui implémentera une étape d'apprentissage supervisé sur le perceptron. Cette méthode doit se comporter comme suit:

1. Calculer la sortie du perceptron
2. si la sortie est différente de celle attendue (la valeur expected passée en paramètre), modifiez le poids de chaque entrée tel que Wi+1 = Wi + learningRate * erreur * Xi. Le paramètre learningRate définit la vitesse de l'apprentissage. Nous le fixerons à 0.1. L'erreur est la différence entre la valeur attendue et la valeur réelle de sortie.

Modifiez votre méthode main pour entraîner le perceptron à effectuer l'opération NOT AND. L'échantillon d'apprentissage est :

L'entrainement du perceptron nécessite une boucle lors de laquelle chaque itération appelle la méthode train avec chaque exemple de l'échantillon. L'entraînement se termine quand le perceptron renvoie la valeur attendue pour tous les exemples de l'échantillon.