Modelisation de la reconnaissance des odeurs
=============================

Lorsqu'un individu est en presence d'une odeur, la sensation olfactive 
engendre des patterns d'images mentales, impressions sensorielles,
evocations, qu'il memorise. Ces representations olfactives peuvent etre
classees en plusieurs categories, qui seront les entrees du reseau (lieu,
souvenir, intensite, familiarite, etc...). Ces evocations peuvent conduire l'individu
a identifier precisement une odeur. Le but de la modelisation est de montrer que
les patterns d'evocations decrits par l'individu sont representatifs de sa capacite
a reconnaitre une odeur, et donc permettent de predire sa performance. La sortie du
reseau est donc la performance de l'individu. Elle est comparee a la performance
effectivement enregistree lors de l'experience (sortie desiree).

Fichiers fournis :
==========
reseauMLP.c : programme, en C, pour l'apprentissage, par retropropagation
	d'un reseau multicouche (reseau MLP) :  hyperparametres reglables
odeur5.app, odeur6.app, odeur8.app : bases des exemples d'apprentissage,
	pour trois odeurs differentes
odeur5.gen, odeur6.gen, odeur8.gen : bases de motifs a utiliser pour tester
	les performances en generalisation, pour les trois odeurs

Exemples de performances observees :
=========================
L'odeur 8 est assez facile a identifier, tandis que l'odeur 6 est
plus difficile a qualifier, et a identifier.

odeur 8 : reseau de 34 cellules cachees, stabilisation apres 50 passes
^^^^^^^		app. : 100 %		gen. : 76 %

odeur 6 : reseau de 17 cellules cachees, stabilisation vers 70 passes
^^^^^^^		app. : 97,6 %		gen. : 67,6 %

Objectifs du projet :
============
Etudier les performances du reseau MLP en fonction de ses hyperparametres.
Rediger un compte-rendu expliquant les choix qui ont ete faits et indiquer
les meilleures performances obtenues (et les valeurs des hyperparametres),
ceci pour les trois odeurs differentes (odeur5, odeur6, odeur8).