efs ml qest 2 ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L'OBTENTION DE LA MA? TRISE EN GÉNIE DE LA PRODUCTION AUTOMATISÉE M Ing PAR MATHIAS MAHOUSONZOU ADANKON OPTI

ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COMME EXIGENCE PARTIELLE À L'OBTENTION DE LA MA? TRISE EN GÉNIE DE LA PRODUCTION AUTOMATISÉE M Ing PAR MATHIAS MAHOUSONZOU ADANKON OPTIMISATION DE RESSOURCES POUR LA SÉLECTION DE MODELE DES SVM MONTRÉAL LE SEPTEMBRE c droits réservés de Mathias Mahouzonsou Adankon CCE MÉMOIRE A ÉTÉ ÉVALUÉ PAR UN JURY COMPOSÉ DE M Mohamed Cheriet directeur de mémoire Département de génie de la production automatisée à l'École de technologie supérieure M Richard Lepage président du jury Département de génie de la production automatisée à l'École de technologie supérieure M Alain Biem examinateur externe IBM at Watson Research Center N Y USA IL A FAIT L'OBJET D'UNE SOUTENANCE DEVANT JURY ET PUBLIC LE AOÛT À L'ÉCOLE DE TECHNOLOGIE SUPÉRIEURE COPTIMISATION DE RESSOURCES POUR LA SÉLECTION DE MODELE DES SVM Mathias Mahouzonsou Adankon SOMMAIRE La sélection de modèle optimisation des hyper-paramètres est une étape très importante pour garantir une forte performance aux SVM Cette sélection est souvent réalisée par la minimisation d'un estimé de l'erreur en généralisation basé sur les bornes du leave-oneout comme le radius-margin bound et sur certaines mesures de performance comme GACV Generalized Approximate Cross Validation l'erreur empirique etc Ces méthodes de sélection de modèle automatique nécessitent l'inversion de la matrice de Gram-Schmidt ou la résolution d'un problème d'optimisation quadratique supplémentaire ce qui est très coûteux en temps de calcul et en mémoire lorsque la taille de l'ensemble d'apprentissage devient importante Dans ce mémoire nous proposons une méthode rapide basée sur une approximation du gradient de l'erreur empirique avec une technique d'apprentissage incrémentai ce qui réduit les ressources requises en tennes de temps de calcul et d'espace mémoire Avec l'approximation du gradient nous n'avons pas besoin d'inverser la matrice de GramSchmidt avant de calculer le gradient de l'erreur empirique L'apprentissage incrémentai quant à lui permet d'optimiser de façon parallèle les paramètres et les hyper-paramètres de la machine a ?n de réduire le temps de calcul Notre méthode testée sur des bases de données synthétiques et réelles a produit des résultats probants con ?rmant notre approche En outre nous avons noté que le gain de temps s'accro? t lorsque la taille de l'ensemble d'apprentissage devient large ce qui rend notre méthode intéressante dans le cas des applications réelles Nous avons aussi développé une nouvelle expression pour les SVM avec la formulation de la marge molle soft margin ? Ll ce qui permet d'inclure 'hyper-paramètre C dans les paramètres du noyau Ainsi nous pouvons résoudre le problème de la di ?érentiation de C et dans certains cas réduire le nombre des hyper-paramètres dans la sélection de modèle COPTIMIZING RESOURCES IN MODEL SELECTION FOR SVM Mathias Mahouzonsou Adankon ABSTRACT Tuning SVM hyperparameters is an important step for achieving a high-perfmmance learning machine This is usually done by minimizing an estimate of generalization error based on the bounds of the leave-one-out loo as radius-margin bound and on the perfotmance measure as GACV empirical error etc These usual automatic methods used

Documents similaires
Lau to induction Ingénierie de Formation - Ressources Formatives LE MAGNETISME l ? auto- induction électromagnétique Référence Code département DPC MLF Auto-Induction Ressources formatives ??Technicien d ? équipement et d ? Exploitation en électricité afp 0 0
Gel 15217 a PLAN DE COURS Automne GEL ?? A ?? Machines électriques Informations générales Crédits Temps consacré ?? ?? ?? Formule pédagogique LT Préalable s GEL ?? et formation sur la sécurité liée à l'électricité du Département GEL ??GIF Concomitant s au 0 0
L x27 alphabet japonais decouverte 2 0 0
Adsorption d’un colorant cationique sur un charbon activée préparé à partir des 0 0
Harlez mitze MI-TZE LE PHILOSOPHE DE L'AMOUR UNIVERSEL Traduit par Charles de HARLEZ CMi-tze Le philosophe de l'amour universel à partir de MI-TZE LE PHILOSOPHE DE L'AMOUR UNIVERSEL traduit par Charles DE HARLEZ - Éditeur et date d'édition non précisés La 0 0
Mohammed le plus grand MOHAMMED LE PLUS GRAND Ahmad Deedat CHAPITRE Tu Ô Mohammed es d'un caractère élevé Coran L ORIGINE DE LA QUESTION Il y a environ dix ans un de mes cousins éloignés M Mohammed Muhtar Farougi me remit une citation dactylographée de l' 0 0
Ruyblas Page sur Ruy Blas ou le romantisme en scène ? Victor Hugo Cette séquence a été préparée par M Carlos GUERREIRO professeur Certi ?é de Lettres Modernes pour ses élèves de ère du Lycée Benoit de L ? Isle Sorgue Objet d'étude Le thé? tre texte et rep 0 0
Devoir 4 1 Nom Luiyyi Espino - Conversation Française Devoir Evelyn Perez CExercice Mets le verbe au temps qui convient pour exprimer la condition correctement -Si j'étais magicien je changerais Changer le monde -Si la femme acquiert tous ses droits elle 0 0
01|20 Lapp France s.a.r.l. Technopôle Forbach-Sud BP 50084 57602 Forbach Cedex 0 0
Histoire des chevaliers hospitaliers de st jean de jerusalem 0 0
  • 29
  • 0
  • 0
Afficher les détails des licences
Licence et utilisation
Gratuit pour un usage personnel Aucune attribution requise
Partager