Apprentissage d’un vote de majorité hiérarchique pour l’apprentissage multivue

Résumé : L’apprentissage multivue vise à apprendre un modàle à partir de différentes représentations/vues des données. Dans ce contexte, nous proposons un algorithme d’apprentissage d’un modèle s’exprimant comme un vote de majorité pondéré. Ce vote se décompose en deux “sous-votes” : (i) pour chaque vue, un vote de majorité (spécifique à la vue) sur un ensemble de fonctions de bases est construit et (ii) un vote de majorité sur l’ensemble de ces votes spécifiques aux vues est construit ; ce dernier étant le modéle final. Afin d’apprendre les poids intervenant dans les votes, nous proposons une méthode d’optimisation basée sur le fait que la minimisation du risque empirique de notre modèle final peut s’exprimer comme une minimsation de divergences de Bregman.
Type de document :
Communication dans un congrès
Conférence Francophone sur l'Apprentissage Automatique (CAp), Jun 2018, Rouen, France. 〈http://cap2018.litislab.fr/〉
Liste complète des métadonnées

https://hal.archives-ouvertes.fr/hal-01889342
Contributeur : Anil Goyal <>
Soumis le : samedi 6 octobre 2018 - 10:35:01
Dernière modification le : jeudi 11 octobre 2018 - 08:48:05

Identifiants

  • HAL Id : hal-01889342, version 1

Citation

Anil Goyal, Emilie Morvant, Massih-Reza Amini. Apprentissage d’un vote de majorité hiérarchique pour l’apprentissage multivue. Conférence Francophone sur l'Apprentissage Automatique (CAp), Jun 2018, Rouen, France. 〈http://cap2018.litislab.fr/〉. 〈hal-01889342〉

Partager

Métriques

Consultations de la notice

56