Apprentissage incrémental à base de machine de Boltzmann

Pinchaud Nicolas

Description

En apprentissage statistique classique, les entrées X sont habituellement des vecteurs, et les sorties peuvent être des scalaires qui représentent par exemple les valeurs d’une fonction à approximer dans le cas d’un problème de régression, ou des valeurs discrètes pour un problème de classification. Récemment, une nouvelle classe de problèmes appelés classification structurée est apparue, pour lesquels les entrées et les sorties peuvent être des objets plus compliqués, comme par exemple des séquences, des arbres, ou des graphes. Dans ce cadre, les méthodes proposées initialement se montrent insuffisantes, car incapables de traiter des entrées/sorties complexes. Il a fallu en introduire de nouvelles, dont les méthodes incrémentales.

Informations

• Publié par: Nicolas-
• Publié le: 20 décembre 2013
• Nombre de lectures: 71
• Langue: Français

Extrait

Apprentissageincrementalabasedemachinede
Boltzmann

Nicolas PINCHAUD
Encadrant : Ludovic DENOYER

1