5. Modèles génératifs
Un modèle génératif est un algorithme permettant de générer des échantillons suivant la même loi de probabilité que celle des données fournies dans la base de données initiales, mais sans que cette loi de probabilité ne soit nécessairement décrite de façon explicite.
Nous avons vu comment les méthodes de l’apprentissage profond peuvent être utilisées pour faire de la réduction de dimensionnalité grâce à des auto-encodeurs en associant à chaque objet xi d’un espace de très grande dimension une représentation latente hi = fθ(x), où fθ est un réseau de neurones, et en optimisant les paramètres θ de fθ et ...
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter
Lecture en cours
Modèles génératifs
Sources bibliographiques
-
(1) - KARRAS (T.), LAINE (S.), AILA (T.) - A Style-Based Generator Architecture for Generative Adversarial Networks - (2018).
-
(2) - KLEINBERG (J.) - An Impossibility Theorem for Clustering, - in NIPS (2002).
-
(3) - ESTER (M.),...
À lire également dans nos bases
-
BESSE (P.), BACCINI (A.) - Analyse des données ou statistiques exploratoire multidimensionnelle -
Outils logiciels
Pour les calculs ne faisant pas appel au deep learning et portant sur des volumes de données ne nécessitant pas un recours au calcul distribué, les deux outils logiciels de référence sont scikit-learn et R
La bibliothèque Spark Mlib comprend une adaptation de principaux algorithmes de machine learning (hors deep learning) à un environnement distribué et permettant donc le traitement de volumes de données...
Événements
Conférences annuelles :
International Conference on Learning Representations (https://iclr.cc/)
Conference on Neural Information Processing Systems (https://nips.cc/)
Conference on Computer Vision and Pattern Recognition
International Conference on Machine Learning (
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter