# Répartition des codes

## fonctions_activations_classiques

Ce code démontre la mauvaise généralisation des fonctions d'activations classiques à des signaux périodiques.

Il tente de reproduire la figure de l'introduction

## RNN_* 

Nécessite la librairie Optuna (https://optuna.org/) pour fonctionner


## wilshire_5000

Prédiction des données financières à partir de l'index Wilshire5000

Classical Installations Required : numpy, pandas, tensorflow and matplotlib (and warnings)

Other Installation : statsmodels for ARIMA predictions (pip install statsmodels)

Le notebook est une démo du fonctionnement des fonctions.
Le fichier wilshire.py s'occupe du pré-processing des données et parsing.
Le fichier nn.py s'occupe de la partie DeepLearning, ainsi que les prédictions ARIMA et finalement plot les fonctions.

#### Données 

[Données](https://fred.stlouisfed.org/series/WILL5000INDFC)