MLP from scratch (C++)
Un MLP 2–4–1 entraîné sur XOR en C++ sans bibliothèque externe, avec propagation et mise à jour des poids visibles.
Objectif
Ce projet construit un perceptron multicouche (MLP) en C++, sans bibliothèque de deep learning, et l’entraîne sur XOR. Passe avant, activation sigmoïde, erreur et mise à jour des poids sont visibles dans le code. Le même exercice d’apprentissage existe aussi en Python.
Modèle et résultat
Le réseau possède deux entrées, quatre neurones cachés et une sortie ; les poids suivent une loi normale. Il s’entraîne sur 80 exemples XOR durant 5 000 époques. Le README rapporte un taux de 0,007, une perte de 0,000108905 et 97,674 % de précision. Ces valeurs décrivent une exécution, pas une garantie générale.
Pourquoi C++ ?
L’absence de bibliothèques externes expose calculs, boucles et flux des données. Le but est de comprendre l’apprentissage d’un petit modèle, non de fournir une bibliothèque prête à l’emploi. Le README ne revendique pas non plus une efficacité C++ avancée.