Deepström: ´ Emulsion de noyaux et d'apprentissage profond

Résumé : 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.
Document type :
Conference papers
Complete list of metadatas

Cited literature [15 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02091648
Contributor : Luc Giffon <>
Submitted on : Wednesday, November 27, 2019 - 8:01:01 AM
Last modification on : Tuesday, December 3, 2019 - 1:37:57 AM

File

Deepstr_m_CAP.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02091648, version 2

Collections

Citation

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-02091648v2⟩

Share

Metrics

Record views

3

Files downloads

3