Apprentissage par noyaux reproduisants : descente de gradient stochastique et estimation de laplacien

Autor: Pillaud-Vivien, Loucas

Publikováno v: Machine Learning [stat.ML]. Paris, Science et Lettres; Inria de Paris; Ecole Normale Supérieure, 2020. English
Machine Learning [stat.ML]. Université Paris sciences et lettres, 2020. English. ⟨NNT : 2020UPSLE061⟩

Machine Learning has received a lot of attention during the last two decades, both from industry for data-driven decision problems and from the scientific community in general. This recent attention is certainly due to its ability to efficiently solv

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::7781ff0026882ea75c3a7ee66ba8c62d
https://theses.hal.science/tel-03621496v2

Extensions de la méthode du gradient stochastique

Autor: Pierre Carpentier, Guy Cohen

Publikováno v: Décomposition-coordination en optimisation déterministe et stochastique ISBN: 9783662554272

On presente un certain nombre de resultats concernant des extensions et des variations autour du gradient stochastique. On considere tout d'abord le cas des contraintes en esperance. On esquisse ensuite le traitement du cas des contraintes en probabi

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_________::6beefc8ae9f15f79a5b555ab47ad148f
https://doi.org/10.1007/978-3-662-55428-9_10

Choix du taux d'apprentissage dans le cas de l'algorithme du gradient stochastique non stationnaire

Autor: tagorti, manel

Publikováno v: [Rapport de recherche] LTCI-Laboratoire Traitement et Communication de l'Information [Paris]. 2016

Ce rapport est un résumé des travaux effectués dans le cadre d’un stage postdoctoral au sein du laboratoire de traitement et communication de l’in-formation (LTCI) à Télécom Paristech. Le sujet porte sur l’adaptation du pas d’apprentiss

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::90496e315f3c135d77b66931fc5323a6
https://hal.archives-ouvertes.fr/hal-01385685/document

Modélisation physique statistique de la dynamique et de la généralisation dans les réseaux de neurones artificiels

Autor: Mignacco, Francesca

Publikováno v: Disordered Systems and Neural Networks [cond-mat.dis-nn]. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPASP074⟩

Machine learning technologies have become ubiquitous in our daily lives. However, this field still remains largely empirical and its scientific stakes lack a deep theoretical understanding.This thesis explores the mechanisms underlying learning in ar

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=od______3515::03443a0d32a8c4ea6aa2c45582b0f82e
https://theses.hal.science/tel-03848811/file/115507_MIGNACCO_2022_archivage.pdf

A deep learning theory for neural networks grounded in physics

Autor: Scellier, Benjamin

Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de l'apprentissage profond

Externí odkaz: http://hdl.handle.net/1866/25593
https://orcid.org/0000-0002-2407-7470