Normalizing Flow appliqué aux problèmes de pré-image de noyau - Normandie Université Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Normalizing Flow appliqué aux problèmes de pré-image de noyau

Clément Glédel
Benoit Gaüzère
Paul Honeine

Résumé

Dans cet article, nous proposons une approche permettant la résolution du problème de pré-image rencontré en reconnaissance de formes et apprentissage statistique notamment les méthodes à noyaux. Pour cela, nous proposons d'utiliser les récents modèles génératifs appelés Normalizing Flows (NF) qui permettent de construire une distribution simple à partir d'une distribution complexe par une série de fonctions bijectives, bénéficiant ainsi d'une efficace génération de données grâce à son inversibilité. Nous proposons d'aligner l'espace généré par le NF sur l'espace de noyau, ce qui permet de résoudre le problème de pré-image grâce à la nature inversible du NF. Les performances de la méthode proposée sont validées sur le jeu de données MNIST, démontrant la capacité des NF à résoudre efficacement le problème de pré-image.
Fichier principal
Vignette du fichier
22.cap.pdf (565.13 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03749104 , version 1 (10-08-2022)

Identifiants

  • HAL Id : hal-03749104 , version 1

Citer

Clément Glédel, Benoit Gaüzère, Paul Honeine. Normalizing Flow appliqué aux problèmes de pré-image de noyau. 24-ème Conférence d’Apprentissage automatique (CAp), Jul 2022, Vannes, France. pp.1-10. ⟨hal-03749104⟩
75 Consultations
96 Téléchargements

Partager

Gmail Facebook X LinkedIn More