Deepström: ´ Emulsion de noyaux et d'apprentissage profond - Archive ouverte HAL
Conference Papers Year : 2018

Deepström: ´ Emulsion de noyaux et d'apprentissage profond

Luc Giffon
  • Function : Author
  • PersonId : 174103
  • IdHAL : luc-giffon
Stéphane Ayache
Hachem Kadri

Abstract

Les modèles à base de méthodes à noyaux et d'apprentissage profond ont essentiellement été étudiés séparemment jusqu'à aujourd'hui. Des travaux récents se sont focalisés sur la combinaison de ces deux approches afin de tirer parti du meilleur de chacune d'elles. Dans cette optique, nous introduisons une nouvelle architecture de réseaux de neurones qui bénéficie du faible coût en espace et en temps de l'approximation de Nyström. Nous montrons que cette architecture atteint une performance du niveau de l'état de l'art sur la classification d'images des jeux de données MNIST et CIFAR10 tout en ne nécessitant qu'un nombre réduit de paramètres.
Fichier principal
Vignette du fichier
Deepstr_m_CAP.pdf (529.26 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-02091648 , version 1 (05-04-2019)
hal-02091648 , version 2 (27-11-2019)

Identifiers

  • HAL Id : hal-02091648 , version 1

Cite

Luc Giffon, Stéphane Ayache, Hachem Kadri, Thierry Artières. Deepström: ´ Emulsion de noyaux et d'apprentissage profond. CAp 2018 - Conférence sur l'Apprentissage Automatique, Jun 2018, Rouen, France. ⟨hal-02091648v1⟩
126 View
208 Download

Share

More