Apprentissage continu et étiquetage automatique de données pour améliorer un réseau de neurones incertain
Résumé
Artificial neural networks are inspired by the functionning of the human brain, but they are still far from imitating human behaviour. This paper proposes our first thoughts to develop a model capable of acting autonomously in the context of image classification. The proposed approach allows the network to express its uncertainty, and to use it to detect the novelties presented to it. By using Knowledge Graphs, the approach would allow novelties to be labelled automatically. This labelled data will be used in a continual learning setting of the model to improve it and reduce its uncertainty.
Les réseaux de neurones artificiels s'inspirent du fonctionnement du cerveau humain, mais sont encore très loin d'imiter le comportement humain. Cet article propose nos premières réflexions pour développer un modèle capable d'agir en toute autonomie dans le cadre de la classification d'images. L'approche proposée permet au réseau d'exprimer son incertitude, et de l'utiliser pour détecter les nouveautés qui lui sont présentées. En utilisant des graphes de connaissances, l'approche permettrait d'étiqueter automatiquement les nouveautés. Ces données étiquetées seront utilisées dans le cadre d'un apprentissage continu du modèle, afin de l'améliorer et de réduire son incertitude.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|