Master

README.md

@@ -2,7 +2,7 @@ Artificial Neural Network
 Règles de la chaine pour le calcul du gradient :
 
 
-2. ∂C/∂A(2) = 2/Nout * (A(2) - Y)
+2. ∂C/∂A(2) = 2 * (A(2) - Y) / Nout
 
 3. ∂C/∂Z(2) = ∂C/∂A(2) * ∂A(2)/∂Z(2)  
    ∂C/∂Z(2) = ∂C/∂A(2) * σ'(Z(2))
@@ -30,5 +30,5 @@ prendra alors son propre label.
 L'autre pic de précision se situe aux alentours de k=7. On privilégiera donc ces valeurs afin d'obtenir la meilleure précision possible.
 On voit que le temps d'éxécution pour les différentes valeurs de k reste stable autour de 28s.
 
-En analysant le graphique mlp, on observe que la précision augmente de 10% au début de l'apprentissage jusqu'à 19% à la fin. Notre modèle apprend correctement sur les données d'entrainement.
+En analysant le graphique mlp, on observe que la précision augmente de 10% au début de l'apprentissage jusqu'à 18% à la fin. Notre modèle apprend correctement sur les données d'entrainement.