GRO720 - Réseaux de neurones artificiels à apprentissage supervisé

Cible(s) de formation

Concevoir et mettre en œuvre un réseau de neurones entièrement connecté à plusieurs couches. Utiliser les stratégies d’optimisation pour entraîner un réseau de neurones. 

Contenu

Réseau de neurones entièrement connecté. Fonctions d’activation non linéaires : sigmoïde, tangente hyperbolique, rectificateur, fonction exponentielle normalisée. Fonctions de coûts : erreur quadratique moyenne, entropie croisée, divergence de Kullback-Leibler. Optimisation : descente par gradient, rétropropagation de l’erreur, théorème de dérivation des fonctions composées. Apprentissage supervisé : classification, régression. Ensembles de données d’entraînement, de validation et de test. Sous-apprentissage, surapprentissage, régularisation.

Préalable(s)

Avoir obtenu 82.00 crédits