Softaware pour déterminer un modèle
Re: Software pour déterminer un modèle
Effectivement je ne connais pas la différence entre tes 2 termes
Pour l'instant la courbe de tendance excel suffit en terme de précision mais je ne pourrais pas corriger en utilisant mon électronique embarqué qui est trop basique (le modèle est un polynôme d'ordre 2 avec des coeffs style 0.139).
Je vais devoir "tricher" en disant si je suis à cette température retire ou ajoute tant, ça mon électronique peut le faire normalement.
Donc là, je test plusieurs condensateurs dans plusieurs plages de températures et niveau de fluide pour voir si je peux en retirer un tableau de référence et corriger en "trichant".
Pour l'instant la courbe de tendance excel suffit en terme de précision mais je ne pourrais pas corriger en utilisant mon électronique embarqué qui est trop basique (le modèle est un polynôme d'ordre 2 avec des coeffs style 0.139).
Je vais devoir "tricher" en disant si je suis à cette température retire ou ajoute tant, ça mon électronique peut le faire normalement.
Donc là, je test plusieurs condensateurs dans plusieurs plages de températures et niveau de fluide pour voir si je peux en retirer un tableau de référence et corriger en "trichant".
Re: Softaware pour déterminer un modèle
A mon avis ça vaut le coup de nous expliquer ce que tu essayes exactement de faire de manière macro, peut-être que tu es parti sur un truc qui n'a que peu de valeur ajoutée par rapport à ce que tu essayes d'obtenir
The Axiom of Choice is obviously true, the Well-Ordering Principle is obviously false, and nobody knows about Zorn's Lemma. - Jerry Bona
Re: Softaware pour déterminer un modèle
J'aurais du me douter que quelqu'un aller proposer RootTompouce67 a écrit : ↑01 août 2019 08:29Personnellement, j’utilise le logiciel Root développé pour les analyses de données au CERN.
Un exemple de fit est disponible ici
https://root.cern.ch/doc/v612/fitLinear_8C.html
J'ai failli le faire pour plaisanter.
Plus sérieusement je recommande vraiment pas, pour un néophyte c'est clairement pas le plus simple, même le build à coup de cmake- machin est délicate quand on a pas l'habitude. En plus je pense pas que l'auteur sache coder en C++. Alors que Scikit-Learn par exemple c'est (au moins) aussi puissant, mais beaucoup plus intuitif.
Sinon d'un point de vue physique je suis pas sûr qu'un polynôme suffise pour avoir une très bonne approximation, il y a potentiellement des termes en log, 1/T, 1/T^2 dans le développement, et ça doit être à peu près tout.
Au pire si tu veux juste une fonction qui fit tes données sans avoir l'expression analytique tu peux faire une random forest regression, franchement ça se fait très simplement, tu trouvera des trucs ici par exemple :
https://scikit-learn.org/stable/modules ... om-forests
L'intérêt c'est que ça permet de voir quelle tête à la fonction cible, et à quelle précision tu peux prétendre (c'est vraiment très simple et efficace).
Si t'as beaucoup de points un réseau de neurones éventuellement, mais je recommande pas pour ce problème.
Ou sinon pour avoir les coefficients, je te conseillerais plutôt une kernel une kernel Ridge en essayant différents kernel que tu fais toi même (https://scikit-learn.org/stable/modules ... ridge.html).
Et puis j'ai rien contre Root (en fait si ), mais les méthodes que j'ai proposé n'existe pas sur TMVA (framework d'analyse de données de Root) aussi.
Sinon on peut tout simplement chercher un cours d'école d'ingé qui explique clairement les bases avant d'écrire des équations laides, il y aura déjà plus grand monde
2016-2018 - PCSI 1 / PC*- Champollion
2018- ? - ENS Ulm
2018- ? - ENS Ulm
Re: Softaware pour déterminer un modèle
Tant qu'on n'a pas vu la tronche du plot (x,y) des relevés c'est inutile de faire des hypothèses sur la fonction de régression.
Je me souviens d'un modèle thermodynamique (sous Excel !) en aciérie, avec des entrées sur la composition de l'acier et des sorties du genre capacité thermique, que je devais mettre dans une boucle d'optimisation. Mon collègue me disait que son modèle était ultra compliqué, en fait sur la plage de valeurs intéressante il était linéaire
Je me souviens d'un modèle thermodynamique (sous Excel !) en aciérie, avec des entrées sur la composition de l'acier et des sorties du genre capacité thermique, que je devais mettre dans une boucle d'optimisation. Mon collègue me disait que son modèle était ultra compliqué, en fait sur la plage de valeurs intéressante il était linéaire
Re: Softaware pour déterminer un modèle
Je vote pour cette technique, commence avec 100 couches et augmente le nombre si les résultats ne sont pas satisfaisants : 200, 500, pourquoi pas 1000 ? Ça ne peut pas échouer.
2012-2013 : 1/2 insouciante
2013-2014 : 3/2 arrogante
2014-2015 : 5/2 aigrie ET arrogante
X2015
Coët en GU - Médaille du Mythe échelon Platine - Vaneau d'Or
2013-2014 : 3/2 arrogante
2014-2015 : 5/2 aigrie ET arrogante
X2015
Coët en GU - Médaille du Mythe échelon Platine - Vaneau d'Or
Re: Softaware pour déterminer un modèle
Et puis aussi il faut penser à tester tout les learning rates possible !
Et tout les algos d'optimisations, évidamment, si ça marche pas en SGD (méthode qui est souvent naze anyway), il faut essayer Adam, puis Adadelta, Adamax et pleins d'autre trucs, les possibilités sont infinies, mais ça devrait bien finir par marcher en temps fini
2016-2018 - PCSI 1 / PC*- Champollion
2018- ? - ENS Ulm
2018- ? - ENS Ulm
Re: Softaware pour déterminer un modèle
Les vrais entraînent leurs algos de RL à faire du Neural Architecture Search pour optimiser tout ça. Le metalearning ce n'est plus le turfu c'est juste le présent, on n'est plus en 2017 quoi :/saysws a écrit : ↑03 août 2019 22:55Et puis aussi il faut penser à tester tout les learning rates possible !
Et tout les algos d'optimisations, évidamment, si ça marche pas en SGD (méthode qui est souvent naze anyway), il faut essayer Adam, puis Adadelta, Adamax et pleins d'autre trucs, les possibilités sont infinies, mais ça devrait bien finir par marcher en temps fini
2012-2013 : 1/2 insouciante
2013-2014 : 3/2 arrogante
2014-2015 : 5/2 aigrie ET arrogante
X2015
Coët en GU - Médaille du Mythe échelon Platine - Vaneau d'Or
2013-2014 : 3/2 arrogante
2014-2015 : 5/2 aigrie ET arrogante
X2015
Coët en GU - Médaille du Mythe échelon Platine - Vaneau d'Or
Re: Softaware pour déterminer un modèle
"Learning to learn by gradient descent by gradient descent"Der RHDJ a écrit : ↑03 août 2019 23:11Les vrais entraînent leurs algos de RL à faire du Neural Architecture Search pour optimiser tout ça. Le metalearning ce n'est plus le turfu c'est juste le présent, on n'est plus en 2017 quoi :/saysws a écrit : ↑03 août 2019 22:55Et puis aussi il faut penser à tester tout les learning rates possible !
Et tout les algos d'optimisations, évidamment, si ça marche pas en SGD (méthode qui est souvent naze anyway), il faut essayer Adam, puis Adadelta, Adamax et pleins d'autre trucs, les possibilités sont infinies, mais ça devrait bien finir par marcher en temps fini
2016-2018 - PCSI 1 / PC*- Champollion
2018- ? - ENS Ulm
2018- ? - ENS Ulm
Re: Softaware pour déterminer un modèle
leyone : Tu as des points de mesure (Xi,Yi).
Interpoler c'est trouver une courbe continue qui passe par tous points de mesure et dont on espère qu'elle fera qqch de raisonnable entre ces points.
Fitter (ou "ajuster une loi...") c'est différent : tu as tes (Xi,Yi). Tu as aussi un modèle, par exemple y=ax²+bx+c et tu cherches la valeurs des paramètres de ce modèle (a,b et c dans ce cas) pour que ça colle au mieux avec tes points. Tout dépend alors de ce que tu appelles "au mieux". On se donne donc un critère et on essaye de le minimiser. Ce critère c'est une "distance" entre la solution "parfaite" et la la solution courante à chaque étape de l'optimisation. On appelle ça la fonction de coût.
Un exemple simple est la régression linéaire. Ca minimise quoi une régression linéaire? Essaye de répondre
La régression linéaire est "tellement simple" qu'on dispose d'une formule explicite pour calculer la valeur des paramètres du modèle. Dans d'autres cas, on fait appel à un algo qui tente, étape par étape de minimiser cette fonction de coût. Ca peut vite devenir très complexe.
Interpoler c'est trouver une courbe continue qui passe par tous points de mesure et dont on espère qu'elle fera qqch de raisonnable entre ces points.
Fitter (ou "ajuster une loi...") c'est différent : tu as tes (Xi,Yi). Tu as aussi un modèle, par exemple y=ax²+bx+c et tu cherches la valeurs des paramètres de ce modèle (a,b et c dans ce cas) pour que ça colle au mieux avec tes points. Tout dépend alors de ce que tu appelles "au mieux". On se donne donc un critère et on essaye de le minimiser. Ce critère c'est une "distance" entre la solution "parfaite" et la la solution courante à chaque étape de l'optimisation. On appelle ça la fonction de coût.
Un exemple simple est la régression linéaire. Ca minimise quoi une régression linéaire? Essaye de répondre
La régression linéaire est "tellement simple" qu'on dispose d'une formule explicite pour calculer la valeur des paramètres du modèle. Dans d'autres cas, on fait appel à un algo qui tente, étape par étape de minimiser cette fonction de coût. Ca peut vite devenir très complexe.
Pas prof.
Prépa, école, M2, thèse (optique/images) ->ingé dans le privé.
Prépa, école, M2, thèse (optique/images) ->ingé dans le privé.
Re: Softaware pour déterminer un modèle
Vous êtes vraiment en train de suggérer un réseau de neurones pour décrire un graphe 1D ? x)
Vous savez qu’une interpolation avec des polynômes de Lagrange va marcher aussi bien, voire mieux ?
Quitte à faire de l’overtraining, autant le faire explicitement
Vous savez qu’une interpolation avec des polynômes de Lagrange va marcher aussi bien, voire mieux ?
Quitte à faire de l’overtraining, autant le faire explicitement
2008-2010 Lycée Kléber Strasbourg (MPSI4 - MP*)
2010-2014 Ecole Polytechnique - Master Physique des Hautes Energies (X-ETH Zürich)
2014-2017 Doctorat Laboratoire Leprince-Ringuet
2017-2018 Post-doc Imperial College
2018-... Chargé de recherche CNRS
2010-2014 Ecole Polytechnique - Master Physique des Hautes Energies (X-ETH Zürich)
2014-2017 Doctorat Laboratoire Leprince-Ringuet
2017-2018 Post-doc Imperial College
2018-... Chargé de recherche CNRS