Thomas Pellegrini / UPS-IRIT
Deep learning, réseaux de neurones profonds, saillance
Lorsque l’on augmente le nombre de couches d’un réseau, les performances finissent en règle générale par se dégrader en raison d’une difficulté accrue à entraîner correctement les modèles profonds. Certaines améliorations ont été proposées pour pallier à ce problème. D’autre part, il peut s’avérer intéressant d’analyser ce qu’a appris un modèle et l’une des façons de le faire est d’analyser ce qui a été saillant dans les données d’entrée pour la prise de décision.
Une présentation sera faite par le porteur (45-60 min) suivie par une table ronde / discussion
Intérêt pour les réseaux de neurones
https://etherpad.in2p3.fr/p/JDEV2017.T7.GT05
Vous pouvez vous servir de ce pad collaboratif pour y inscrire vos commentaires, un résumé / restitution en sera fait qui sera inclus dans le compte rendu du GT.
Attention, les PADs sont détruits après quelques semaines d'inactivité.