Perceptron et la reconnaissance de forme

Question

J'ai récemment mis en œuvre un simple Perceptron. Ce type de perceptron (composé d'un seul neurone donnant des informations binaires en sortie) ne peut résoudre que les problèmes où les classes peuvent être linéairement séparables.

Je voudrais implémenter une reconnaissance de forme simple dans des images de 8 par 8 pixels. Je voudrais par exemple que mon réseau de neurones puisse me dire si ce que j'ai dessiné est un cercle, ou pas. Comment savoir si ce problème a des classes linéairement séparables? Parce qu'il y a 64 entrées, peut-il encore être linéairement séparable? Un simple perceptron peut-il résoudre ce genre de problème? Si non, quel type de perceptron peut? Je suis un peu confus à ce sujet.

Merci!

Answer 1

Ce problème, d'une manière générale, ne peut pas être résolu par une perception monocouche. En général, d'autres structures de réseau telles que les réseaux de neurones convolutionnels sont les meilleures pour résoudre les problèmes de classification d'image, mais étant donné la petite taille de vos images, une perception multicouche peut être suffisante.

La plupart des problèmes sont linéairement séparables, mais pas nécessairement en 2 dimensions. L'ajout de couches supplémentaires à un réseau lui permet de transformer des données dans des dimensions plus élevées afin de les séparer linéairement. Examinez les perceptrons multicouches ou les réseaux de neurones convolu- tionnels. Des exemples de classification sur l'ensemble de données MNIST pourraient aussi être utiles.