...
architecture
- coordonné x de la cible et c'est tout. - une seule entrée!
Protocole de présentation des données
- protocole 1
- N demos passées chacune 1 fois
- découpage en petite séquence de 1, donc pas d'utilisation de la dynamique ESN
- validation sur la meme jonction de sequences
- protocole 2
- 1 démo passée N fois (avec du bruit)
- validation sur elle meme
- TODO: validation sur d'autres demos, ca a plus de sens, on regarde la validation en demonstration
En pratique meilleurs resultats avec ESN, mais néanmoins ca reste limité en terme comportement on observe que l'ESN degenere apres quelques milliers d'iterations. Par contre ca met surtout en relief le mauvais comportement en exploitation des MLP.
constat: en gros les resultats de la classifs sont bon sur les chiffres mais nul en comportement (le MLP apprend la moyenne car il ne peut faire mieux). Ce qu'on va faire a partir de maintenant: on prend une experience type de suivi de balle rouge avec perception minimum : x et xsize. on reflechit au traitement des données sur UNE démo type.
protocole de traintement et presentations des données d'apprentissage:
- une sequence N fois avec bruit
- smooth des sorties voire des entrées
on degage plusieurs points
- hypothèse de séquence cohérente - pas de collage dur, il faut qu'il y ait un lien temporel dans l'ordre de présentation
- si disjonction, attention, a gerer, parce que ca gene la temporalité
- utilisation de la propriété de retour a la stabilité de l'ESN pour se synchro sur la bonne partie de la demonstration