Bonjour,  
 
Je suis en école d'ingénieur, et dans le cadre d'un projet d'informatique, je rencontre un soucis dans l'utilisation de mes neurones.  
 
Sans rire, mon but est de pouvoir analyser avec le dit réseau, que je crée avec JavaNNS, une photo de 640 pixels sur 426. Or, le soucis est que lorsque je lui demande de créer ma couche de neurones d'entrée (input layer), JavaNNS se ferme  immédiatement, sans doute car il ne peut pas supporter une telle quantité de neurones sur une seule entrée.  
 
Il faut dire aussi que si on compte bien ^^ 640 par 426, cela nous donne une couche d'entrée à plus de 272 000 neurones.
 
J'aurais donc besoin de savoir si vous savez quelle est la "capacité maximale" de JavaNNS en neurones, afin que je puisse re-dimensionné mes photos. Mais le soucis est que je risque de me retrouver avec une résolution de photos trop petite pour avoir une analyse suffisamment précise.  
 
Donc la seconde question est : Savez vous d'où viendrais le problème, et auriez vous une idée pour le résoudre ?
 
Je vous remercie infiniment, et vous souhaite une excellente journée !  
 
A bientôt !

Ton réseau risquera aussi d'avoir d'énorme difficultée à apprendre...
 
Mon petit conseil c'est de travailler sur une approximation de l'image, qu'est ce que tu essayes de reconnaitre ?

pour avoir une idée sur les causes des erreurs que sort javaNNS : travailler avec snns peut vous aider. la couche graphique du javanns ne donne pas des descriptions des erreurs du noyau.... qui est SNNS!  (il rte faudera installer d'abord un serveur X, xwin32 par exemple, avant de lancer snns)
pour votre cas. je pense de même que vous devez passez par un redimensionnement de vos photos. pensez au nombre des poids à calculer (inconnus) par rapport aux données que vous donnez au réseau. le nbr des poids doit être inférieurs ou égale au nbr de données ( donc images pour vous)

 
Segmente ton image... une matrice 3X3 est généralement apprécié. 9 entré VS 640x426 ...  
Le truc magique c'est nxn où n est impaire. (Tu passe l'image en entier avant en la segmentant en petite matrice nxn).
 
Bonne chance.  
David G.
ÉTS (Mtl)