APPRENTISSAGE PROFOND ou DEEP LEARNING
- Article mis en ligne le
- Modifié le
- Écrit par Jean-Gabriel GANASCIA
Succès de l’apprentissage profond
En parallèle, des chercheurs comme le Français Yann LeCun continuent avec ténacité à perfectionner l’apprentissage sur des réseaux de neurones formels. Pour cela, ils recourent à la grande puissance de calcul des machines, à un très grand nombre de liaisons synaptiques – de l’ordre de plusieurs centaines de milliers, voire de quelques millions – et surtout à de multiples couches de neurones formels – entre 10 et 15 – dont certaines restent « figées » – en ce sens que les poids des liaisons synaptiques les connectant à d’autres couches y demeurent fixes – tandis que d’autres évoluent par apprentissage. En raison de cette multiplicité de couches, on caractérise ces techniques comme de l’apprentissage profond. En 2010, la comparaison des capacités d’apprentissage du deeplearning avec celles des autres techniques d’apprentissage supervisé, en particulier des machines à vecteurs de support et des machines à noyaux, sur des tâches de reconnaissance d’images, a montré que les techniques d’apprentissage profond apprennent de façon efficace sur de très grandes quantités d’exemples tout en surpassant notablement les performances des autres techniques. Cela explique leur popularité actuelle.
La suite de cet article est accessible aux abonnés
- Des contenus variés, complets et fiables
- Accessible sur tous les écrans
- Pas de publicité
Déjà abonné ? Se connecter
Écrit par
- Jean-Gabriel GANASCIA : professeur des Universités, faculté des sciences, Sorbonne université, Paris
Classification
Pour citer cet article
Jean-Gabriel GANASCIA. APPRENTISSAGE PROFOND ou DEEP LEARNING [en ligne]. In Encyclopædia Universalis. Disponible sur : (consulté le )
Article mis en ligne le et modifié le 13/10/2017
Média
Réseau de neurones formels
Encyclopædia Universalis France
Autres références
-
APPRENTISSAGE, psychologie
- Écrit par Daniel GAONAC'H et Jean-François LE NY
- 5 939 mots
- 2 médias
Ces recherches s’articulent maintenant avec celles qui, en intelligence artificielle, s’appuient sur l’exploitation d’un très grand nombre de données empiriques (big data) : plutôt que d’« instruire » la machine par des règles définies a priori, on cherche à ce que celle-ci se fonde, pour... -
BIG DATA
- Écrit par François PÊCHEUX
- 6 148 mots
- 3 médias
...les progrès réalisés dans le domaine de l’apprentissage automatique (machine learning), encore appelé apprentissage statistique, et de son extension, l’apprentissage profond (deeplearning), qui excelle dans la reconnaissance vocale, la reconnaissance d’images, ou encore le traitement automatique du... -
EXPÉRIENCE (notions de base)
- Écrit par Philippe GRANAROLO
- 2 783 mots
...conduisent certains de nos contemporains à « humaniser » nos machines en leur prêtant la capacité d’acquérir de l’expérience ? L’apparition récente du deeplearning tend à rapprocher le fonctionnement mécanique du fonctionnement biologique. Prenons l’exemple de la reconnaissance des formes. Pour « apprendre... -
INTELLIGENCE ARTIFICIELLE (IA)
- Écrit par Jean-Gabriel GANASCIA
- 5 584 mots
- 5 médias
...réseaux de neurones formels, c’est-à-dire à des techniques relativement anciennes que l’on déploie aujourd’hui sur des architectures de dimensions beaucoup plus importantes qu’auparavant du fait de l’accroissement des capacités des machines. Cela correspond à ce que l’on appellel’apprentissage profond. - Afficher les 9 références
