Vers un apprentissage multi-label rapide en grande dimension – Une étude préliminaire - Archive ouverte HAL Access content directly
Conference Papers Year :

Vers un apprentissage multi-label rapide en grande dimension – Une étude préliminaire

Abstract

Des besoins actuels orientent la recherche en apprentissage multi-label interactif vers l'intégration d'un très grand nombre de variables à la fois en entrée et en sortie. Pour s'adapter à ce cadre, nous nous intéressons particulièrement à des algorithmes qui apprennent par l'intermédiaire d'une réduction de dimension. Dans cette étude, nous en comparons expérimentalement trois (SSI, CCA et Gravity) sur des données réelles et des données synthétiques engendrées pour tester leur capacité à extraire les informations pertinentes, leur tenue de charge et leur prise en compte d'un contexte très simple.
Fichier principal
Vignette du fichier
Resumé_apprentissage_multilabel_grande_dimension_SIBLINI_KUNTZ_MEYER_final.pdf (375.28 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-01396873 , version 1 (15-11-2016)

Identifiers

  • HAL Id : hal-01396873 , version 1

Cite

Wissam Siblini, Pascale Kuntz, Frank Meyer. Vers un apprentissage multi-label rapide en grande dimension – Une étude préliminaire. Conférence AAFD & SFC 2016, May 2016, Marrakech, Maroc. ⟨hal-01396873⟩
80 View
72 Download

Share

Gmail Facebook Twitter LinkedIn More