Quand la machine apprend - La révolution des neurones artificiels et de l'apprentissage profond by Yann le Cun

Quand la machine apprend - La révolution des neurones artificiels et de l'apprentissage profond by Yann le Cun

Auteur:Yann le Cun [Cun, Yann le]
La langue: fra
Format: epub
Tags: Science et technologie, intelligence artificielle
ISBN: 9782738149329
Éditeur: Odile Jacob
Publié: 2019-10-15T22:00:00+00:00


Figure 6.2. Les architectures de réseaux utilisées lors des premières expériences avec les réseaux convolutifs.

De gauche à droite : réseau à un seul étage ; à deux étages ; à trois étages avec connexions locales sans partage de poids ; à trois étages où le premier étage est convolutif (connexions locales avec partage de poids) et le deuxième étage à connexions locales sans partage de poids ; à trois étages avec partage de poids dans les deux premiers étages.

En l’absence de données publiques, je réussis à faire marcher des réseaux convolutifs sur un très petit jeu de chiffres manuscrits que j’ai fabriqué moi-même (j’ai écrit un petit programme qui me permet de dessiner des chiffres avec la souris de l’ordinateur). J’ai fait 12 versions des 10 chiffres de 0 à 9. J’ai placé chaque chiffre dans 4 positions différentes dans l’image : en haut, en bas… Donc je dispose au total de 480 exemples. Un nombre minuscule, j’en conviens. Des données « jouets ». Mais à l’époque, il est très difficile de collecter ou d’obtenir des données. Les numériseurs d’images sont rares et chers.

La nouvelle architecture que j’ai construite se révèle bien adaptée à la reconnaissance de ce type d’images. Elle prouve que mon principe marche, et même nettement mieux que les autres types de réseaux de neurones complètement connectés, c’est-à-dire où tous les neurones d’une couche sont connectés à tous les neurones de la couche suivante : 98,4 % de succès sur l’ensemble de test pour ConvNet contre 87 % pour le réseau complètement connecté.



Télécharger



Déni de responsabilité:
Ce site ne stocke aucun fichier sur son serveur. Nous ne faisons qu'indexer et lier au contenu fourni par d'autres sites. Veuillez contacter les fournisseurs de contenu pour supprimer le contenu des droits d'auteur, le cas échéant, et nous envoyer un courrier électronique. Nous supprimerons immédiatement les liens ou contenus pertinents.