XIE, Antoine (2023) Méthodes avancées sur les noyaux pour le Machine Learning : Deep kernel/Indefinite kernel/Out-of sample extension PRE - Projet de recherche, ENSTA.
Fichier(s) associé(s) à ce document :
| PDF 1000Kb |
Résumé
Les méthodes à noyaux sont une classe de méthodes largement utilisés en apprentissage automatique et qui permettent de résoudre des problèmes non linéaires avec un algorithme linéaire. L'utilisation de ces noyaux se fait généralement via l'astuce du noyau. Cette technique permet de passer à une représentation des données dans un espace plus grand et plus adapté. Les noyaux nécessitent cependant de vérifier certaines conditions souvent très restrictives pour pouvoir être utilisés. Parmi ces conditions on retrouve la symétrie. Or l'asymétrie est naturellement présente dans de nombreux problèmes et apporte très souvent de l'information comme c'est le cas dans les graphes orientés par exemple. Ainsi, le développement d'algorithmes pouvant travailler avec une classe de noyaux plus larges permettra d'améliorer les algorithmes déjà existants. On montre dans ce rapport comment il est possible d'apprendre directement via des noyaux asymétriques dans les algorithmes d'apprentissage automatique et on cherchera à développer de nouvelles techniques mettant en jeu l'asymétrie.
Type de document: | Rapport ou mémoire (PRE - Projet de recherche) |
---|---|
Mots-clés libres: | Apprentissage automatique, Noyaux asymétriques, Graphes orientés, Least-Square Support Vector Machine, Classification |
Sujets: | Sciences et technologies de l'information et de la communication |
Code ID : | 9638 |
Déposé par : | Antoine XIE |
Déposé le : | 28 août 2023 10:05 |
Dernière modification: | 28 août 2023 10:05 |