Algorithmes de descente par blocs pour l’apprentissage creux

Slides:



Advertisements
Présentations similaires
Colloque Francophone sur les sondage – Rennes 2012
Advertisements

F. Bataille CEA, Service Hospitalier Frédéric Joliot, Orsay, France
Gestion de portefeuille
Soizic Geslin Samy Fouilleux Minh Le Hoai Maxime Chambreuil
Département Signal & Communication
Département Signal & Communication
Equipe optimisation TempoSoft
au LISC, Cemagref de Clermont Ferrand
Corrélations et ajustements linéaires.
Optimisation dans les télécommunications
INTRODUCTION.
5. Algorithme du simplexe
Génération de colonnes
Eric Guilbert, Marc Daniel *, Eric Saux
Introduction à l’algorithmique
Dérivation et Intégration numérique
Pourquoi les réseaux de neurones de type « perceptron multicouche » conviennent-ils à l’apprentissage Stéphane Canu, INSA de Rouen , PSI André Elisseeff,
GPA750 – Ordonnancement des systèmes de production aéronautique
ENSIIE-Master MPRO Alain Faye
IFT3355: Infographie Courbes et surfaces
Les réseaux de neurones
1 Algotel /05/04 Modélisation analytique des algorithmes dordonnancement GPS & WFQ BOCKSTAL Charles, GARCIA J.M. et BRUN Olivier.
Optimisation non linéaire sans contraintes Recherche opérationnelle GC-SIE.
Optimisation-Identification et Cast3M
Cast3M et la mécanique de la rupture
Pr. M. Talibi Alaoui Département Mathématique et Informatique
P. David, V. Idasiak, F. Kratz PRISME / L.V.R
Extraction Automatique de formes complexes : Application à la création de modèle anatomique de la tête J. Piovano, T. Papadopoulo Séminaire Odyssee 9,
IFT3355: Infographie Courbes et surfaces
Patrons de conceptions de créations
Modélisation géométrique de base
I MAGIS est un projet commun CNRS - INPG - INRIA - UJF iMAGIS-GRAVIR / IMAG Optimisation à base de flot de graphe pour l'acquisition d'informations 3D.
Présentation de la méthode des Eléments Finis
Non convergence Non existence de la solution physique
Soutenance de stage 16 Mai au 5 Août 2011
Merci.
Méthode différentielle Mercredi 8 mars 2006 Principe, historique, recherches actuelles.
Décomposition de Benders
Technologies et services TIC Analyse de la performance des infrastructures informatiques critiques.
INTRODUCTION.
1 Samir Tata Contrôle des interactions dans les applications coopératives.
Processus de conception architecturale 2
Optimisation par les algorithmes génétiques
ATNoSFERES : Construction de contrôleurs pour envts non markoviens par algorithme génétique Samuel Landau, Sébastien Picault (équipe MIRIAD) Pierre.
Ions et Composés ioniques
ASI 3 Méthodes numériques pour l’ingénieur
Programmation linéaire en nombres entiers
Analyse spectrale Raphaël ARROUAS Etienne OUSS
Travaux Pratiques Optimisation Combinatoire
UN ALGORITHME PERFORMANT DE CALCUL DES ERREURS DE FORME
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois Performance de circuits.
Simulation du rôle de la communication dans l’établissement d’un réseau de liens sociaux Projet GPL :
PROJET TER NPR - JUIN Projet de Travaux d’Étude et de Recherche Maîtrise d’informatique 2001 Université Paul Sabatier – Toulouse III ALEXE Ileana.
SVM machine à vecteurs de support ou séparateur à vaste marge
Plan de la séance 5. Deux grands thèmes L’analyse du risque, l’emploi de la simulation et du L’optimisation, la programmation linéaire.
PCL Stage Nitrox CALCULS NITROX UN BLOC VIDE : On a un bloc vide de 12 litres, on souhaite le remplir de N 35 à 200 Bars. On dispose : O², air (21/79)
Le chaos pourquoi ? Permet de modéliser un type de mouvement récent qui n’est ni uniforme, ni accéléré. Des dynamiques chaotiques ont été mises en évidence.
Cours 1: Définition de l’équipe de projet
Ajouts et retraits dans un arbre de connexion Nicolas Thibault et Christian Laforest, Équipe OPAL Laboratoire IBISC (regroupement LaMI et LSC), Évry 8.
APPROXIMATION D’UN NOMBRE RÉEL PAR UN RATIONNEL : UNE APPROCHE GEOMÉTRIQUE RAIM'11 Perpignan Émilie CHARRIER Lilian BUZER GIPSA-Lab Lab-info IGM Université.
Identifier les termes semblables
Résolution des équations différentielles
Labeled Real-Time Dynamic Programming (LRTDP) Pierrick Plamondon.
CSI2510 Structures de données et algorithmes Analyse des algorithmes
Cours 5 Bloc 2 : La mitose, l’osmose et la diffusion.
1 Les besoins des personnes handicapées à la Réunion : Les services à la personne.
Plaquettes de frein ATE d’origine – Qualité et sécurité maximales
Présentation de Séminaire
ISO 9001 BUREAU VERITAS Certification Petit déjeuner de travail des Maîtres d’Apprentissage IRI-IRM du 18 Mai 2009 Mise en place du nouveau calendrier.
1 Fouille visuelle de dissimilarités à l’aide de matrices de scatterplots pseudo-euclidiennes Sébastien AUPETIT, Nicolas MONMARCHE, Mohamed SLIMANE
Transcription de la présentation:

Algorithmes de descente par blocs pour l’apprentissage creux Mehdi Meghzifene – IF Ensimag 2A 18 mai 2011

Objectif Réduire le nombre de paramètres décrivant un individu. k < < m

Comment? En minimisant l’erreur de reconstruction pour k fixé.

ACP où

Formulation du Problème Relacher la contrainte d’orthogonalité pour obtenir une compression plus forte. parcimonie Minimisation de l’erreur Problème trop complexe

Norme ||.||1 Pourquoi la norme ||.||1?

Difficultés & Solutions h n’est pas convexe. On considère donc les fonctions partielles f n’est pas différentiable. On doit avoir recours à des algorithmes spécifiques pour résoudre

Algorithme de descente par coordonnée Minimisation à tour de rôle selon chaque coefficient de α.

Convergence Preuve adaptée de Non Linear Programming, Bertsekas

Expériences

Algorithmes Implémentés

Résultats Descente α

Résultats Descente D

Résultats Parcimonie

Comparaison avec l’ACP

MERCI