/
0/5

0 avis

Initialisation et détermination de l'architecture des perceptrons multicouches


Type de document : Thèse
Langue : français

Responsabilité(s) :


Responsabilité(s) secondaire (s) :
Université de soutenance : Université de Technologie de Compiègne

Numéro national de thèse : 1996COMP879

Spécialité : Contrôle des systèmes

Lieu d'édition : Compiegne
Editeur : UTC
Année de publication : 1996


Domaine (s) :


Sujets :


Code domaine du SUDOC : 004

Résumé français :

  • Le premier problème étudié dans cette thèse concerne l'initialisation des poids des perceptrons multicouches. Une nouvelle méthode a été proposée dans le cas particulier des problèmes de discrimination. Cette méthode utilise les facteurs discriminants issus d'une technique d'analyse factorielle discriminante de nature paramétrique ou non-paramétrique. Une étude expérimentale a permis de mettre en évidence une réduction du temps d'apprentissage et une amélioration sensible des performances en généralisation par rapport à l'initialisation aléatoire et, dans une moindre mesure, par rapport à l'initialisation par prototypes. Le second problème abordé est la question de détermination de l'architecture des perceptrons multicouches. La méthode incrémentale proposée initialise les vecteurs de poids par une technique d'analyse factorielle discriminante. L'algorithme d'apprentissage consiste en l'enchaînement de trois étapes : sélection et apprentissage de la dernière unité ajoutée seule, puis ajustement des poids de la couche de sortie, et finalement apprentissage du réseau entier. Cette stratégie, dont plusieurs variantes ont été étudiées, semble permettre d'atteindre de bonnes performances en termes de généralisation et de temps de calcul, notamment en comparaison d'autres algorithmes constructifs reposant sur des principes voisins.

Autre(s) titre(s) : Initialization and architecture determination of multilayer perceptrons


Suggestions

Du même auteur

Initialisation et détermination de l'architecture des perceptrons multicouches | Karouia, Mohamed (19..-....). Auteur

Initialisation et détermination de l'architecture des perceptrons multicouches / Karouia, Mohamed (19..-....). Auteur, 1996

Le premier problème étudié dans cette thèse concerne l'initialisation des poids des perceptrons multicouches. Une nouvelle méthode a été proposée dans le cas particulier des problèmes de discrimination. Cette méthode utilise les f...

Source : Catalogue

A k-Nearest Neighbor Classification Rule Based on Dempster-Shafer Theory | Denoeux, Thierry (19..-....). Auteur

A k-Nearest Neighbor Classification Rule Based on Dempster-Shafer Theory / Denoeux, Thierry (19..-....). Auteur - Institute of Electrical and Electronics Engineers, 1995

Source : Catalogue

An evidence-theoretic neural network classifier | Denoeux, Thierry (19..-....). Auteur

An evidence-theoretic neural network classifier / Denoeux, Thierry (19..-....). Auteur - Institute of Electrical and Electronics Engineers, 1995

Source : Catalogue

Du même sujet

Initialisation et détermination de l'architecture des perceptrons multicouches | Karouia, Mohamed (19..-....). Auteur

Initialisation et détermination de l'architecture des perceptrons multicouches / Karouia, Mohamed (19..-....). Auteur, 1996

Le premier problème étudié dans cette thèse concerne l'initialisation des poids des perceptrons multicouches. Une nouvelle méthode a été proposée dans le cas particulier des problèmes de discrimination. Cette méthode utilise les f...

Source : Catalogue

Neural networks and statistical learning | Du, Ke-Lin. Auteur

Neural networks and statistical learning / Du, Ke-Lin. Auteur ; Swamy, M. N. S.. Auteur - Springer, 2014

Providing a broad but in-depth introduction to neural network and machine learning in a statistical framework, this book provides a single, comprehensive resource for study and further research. All the major popular neural networ...

Source : Catalogue

Regularization schemes for transfer learning with convolutional networks | Li, Xuhong (19..-....). Auteur

Regularization schemes for transfer learning with convolutional networks / Li, Xuhong (19..-....). Auteur, 2019

L apprentissage par transfert de réseaux profonds réduit considérablement les coûts en temps de calcul et en données du processus d entraînement des réseaux et améliore largement les performances de la tâche cible par rapport à l ...

Source : Ressources électroniques

THES|THES

Chargement des enrichissements...

Avis des lecteurs