Il existe en ligne quelques réseaux de neurones profonds, préentraînés, qui ouvrent la voie de l’utilisation de ces réseaux complexes, sans avoir recours à d’énormes fermes de calcul ni à de gigantesques bases de données qualifiées. Comment y accéder, les utiliser, et surtout les plier à nos besoins ? Nous verrons deux approches : le paradigme réseau de neurones et XGBoost.
Les réseaux de neurones profonds sont frustrants : ils offrent un paradigme générique, permettant de coupler dans une même approche la génération automatique de features, leur sélection et leur filtrage pour aboutir à une classification ou une régression.
Les mathématiques sous-jacentes, relativement simples, consistent essentiellement à pondérer et sommer des entrées et à les faire passer par le tamis de fonctions non linéaires. Leur entraînement quant à lui s’appuie sur un ajustement des poids de manière proportionnelle à l’erreur, sur la base de la rétropropagation du gradient.
Leur polymorphisme leur permet de prendre des formes variées, du simple perceptron jusqu’au réseau convolutionnel, et ce, en multipliant les couches, y compris hétérogènes, ad libitum. Tous types de signaux peuvent être traités, de 1 à n dimensions, avec ou sans dépendance temporelle.
Enfin, leur nature essentiellement tensorielle autorise une implémentation...
- Accédez à tous les contenus de Connect en illimité
- Découvrez des listes de lecture et des contenus Premium
- Consultez les nouveaux articles en avant-première