mirror of
https://github.com/ValentinDuflot/perceptron-visuel.git
synced 2026-01-25 23:40:38 +00:00
84 lines
2.3 KiB
Markdown
84 lines
2.3 KiB
Markdown
|
# Perceptron de Rosenblatt – Simulation Interactive
|
|||
|
|
|
|||
|
|
### Auteur : Valentin Duflot
|
|||
|
|
*(2025 – Projet pédagogique et expérimental)*
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Objectif
|
|||
|
|
|
|||
|
|
Cette application est une **reconstitution visuelle du perceptron de Rosenblatt (1958)**, le tout premier modèle d'apprentissage supervisé artificiel.
|
|||
|
|
Elle permet de comprendre, manipuler et observer le processus d'apprentissage d’un neurone artificiel de manière intuitive.
|
|||
|
|
|
|||
|
|
Le projet est **100 % autonome**, codé en **HTML / CSS / JavaScript pur**, sans dépendance externe.
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Fonctionnement
|
|||
|
|
|
|||
|
|
- 64 **LED d’entrée** représentent les pixels d’un chiffre 8×8.
|
|||
|
|
- 64 **potentiomètres** (potars) permettent de visualiser et d’ajuster les poids synaptiques.
|
|||
|
|
- Un **potar central** contrôle le **biais global**.
|
|||
|
|
- Un autre contrôle le **taux d’apprentissage (η)**.
|
|||
|
|
- Une **ampoule** et une **jauge** affichent la sortie du neurone.
|
|||
|
|
|
|||
|
|
L’application peut :
|
|||
|
|
- s’entraîner **manuellement**, un échantillon à la fois (`Ajuster une fois`),
|
|||
|
|
- ou **automatiquement** sur un nombre défini d’époques (`▶ Entraînement auto`).
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Dataset
|
|||
|
|
|
|||
|
|
Le perceptron apprend à reconnaître un **chiffre cible** (sélectionné via menu déroulant)
|
|||
|
|
parmi un ensemble de **100 chiffres bruités** (10 variantes de chaque 0–9).
|
|||
|
|
|
|||
|
|
Chaque chiffre est représenté sur une matrice 8×8 binaire, inspirée du dataset **Digits**.
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Rappel théorique
|
|||
|
|
|
|||
|
|
Le perceptron met à jour ses poids selon la règle :
|
|||
|
|
|
|||
|
|
\[
|
|||
|
|
w_i ← w_i + η × (y – ŷ) × x_i
|
|||
|
|
\]
|
|||
|
|
\[
|
|||
|
|
b ← b + η × (y – ŷ)
|
|||
|
|
\]
|
|||
|
|
|
|||
|
|
où :
|
|||
|
|
- \( η \) est le taux d’apprentissage,
|
|||
|
|
- \( y \) la sortie attendue,
|
|||
|
|
- \( ŷ \) la sortie prédite.
|
|||
|
|
|
|||
|
|
L’entraînement vise à séparer les exemples positifs (le chiffre cible)
|
|||
|
|
des autres, en ajustant les poids de manière linéaire.
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Démonstration
|
|||
|
|
|
|||
|
|
Ouvre simplement le fichier `perceptron.html` dans un navigateur moderne (Chrome, Firefox, Edge).
|
|||
|
|
Aucune installation requise.
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Licence
|
|||
|
|
|
|||
|
|
Projet libre pour usage **éducatif, scientifique ou artistique**.
|
|||
|
|
Mention de l’auteur originale requise :
|
|||
|
|
**© 2025 Valentin Duflot**
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
## Inspirations
|
|||
|
|
|
|||
|
|
- Frank Rosenblatt, *The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain* (1958)
|
|||
|
|
- Visualisations pédagogiques modernes (TensorFlow Playground, 2016)
|
|||
|
|
|
|||
|
|
---
|
|||
|
|
|
|||
|
|
> « C’est le premier pas de la machine vers la pensée. »
|