Deep Embedded SOM: Joint Representation Learning and Self-Organization

Carte SOM profonde : Apprentissage joint de représentations et auto-organisation

Florent Forest (1, 2) , Mustapha Lebbah (3) , Hanene Azzag (3) , Jérôme Lacaille (2)

1 LIPN - Laboratoire d'Informatique de Paris-Nord
2 Safran Aircraft Engines
3 LIPN - Laboratoire d'Informatique de Paris-Nord

Dans la lignée des récentes avancées en apprentissage profond de représentations pour le clustering, ce travail (précédemment publié en anglais) présente le modèle DESOM (Deep Embedded SOM), combinant l'apprentisssage non supervisé de représentations et d'une carte auto-organisée de Kohonen (SOM). Le modèle, composé d'un auto-encodeur et d'une couche SOM, est optimisé conjointement, an de régulariser l'espace latent et améliorer la performance de la carte SOM. Nous évaluons les performances de classification et de visualisation ainsi que les bénéfices de l'apprentissage joint. Mots-clef : carte auto-organisée, clustering, apprentissage profond, auto-encodeur.

Domaines: Informatique [cs]; Apprentissage [cs.LG]

Florent Forest, Mustapha Lebbah, Hanene Azzag, Jérôme Lacaille. Carte SOM profonde : Apprentissage joint de représentations et auto-organisation. CAp2020: Conférence d'Apprentissage, Jun 2020, Vannes, France. ⟨hal-02859997⟩