Bases de l'apprentissage automatique

Quelle fonction logique ne peut pas être représentée par un perceptron simple, composé seulement d'une couche d'entrée et d'une couche de sortie (un neurone unique qui produit 0 ou 1 selon un seuil) ?

AXOR
BAND
COR

Afficher la réponse et l'explication

Réponse : A. XOR

Le perceptron simple décide de sa sortie selon que la somme pondérée des entrées dépasse ou non un seuil ; il ne peut donc que couper l'espace des entrées en deux par une seule droite (un hyperplan). Pour AND et OR, une droite sépare les points de sortie 1 de ceux de sortie 0, mais pour XOR, (0 ; 1) et (1 ; 0) donnent 1, (0 ; 0) et (1 ; 1) donnent 0, et aucune droite unique ne les sépare. Un perceptron multicouche, qui ajoute une couche cachée et utilise une fonction d'activation non linéaire, peut représenter XOR.

S'entraîner sur ce thème Retour au thème

Autres questions sur Bases de l'apprentissage automatique

Dans une classification à 3 classes, les valeurs fournies à la fonction softmax (logits) sont 3, 1 et 0. La sortie (probabilité) de la première classe vaut environ combien de fois celle de la deuxième ? Choisir la valeur la plus proche.
Dans un petit réseau de neurones dont les entrées sont x₁ = 1 et x₂ = 2, les deux neurones de la couche cachée valent h₁ = ReLU(x₁ + x₂ − 1) et h₂ = ReLU(x₁ − 2x₂ + 1), et la sortie vaut y = 2h₁ + 3h₂ + 1. Quelle est la valeur de y ?
Soit p la probabilité que le modèle attribue à la bonne classe. Quelle affirmation décrit correctement la perte d'entropie croisée −log p utilisée pour l'apprentissage en classification ?
En descente de gradient, le gradient de la perte ∂L/∂w vaut 0,5 pour le poids w = 2,0, et le taux d'apprentissage vaut 0,1. Quelle est la valeur du poids après une mise à jour ?
On calcule la dérivée dy/dx de y = (2x + 1)² en x = 1 par la règle de dérivation en chaîne, en posant u = 2x + 1 et y = u². Quelle est la valeur correcte ?