Réseau de neurones artificiel
On lui montre des milliers d'images étiquetées et on corrige ses erreurs, très légèrement à chaque fois. Le programme n'apprend pas une définition : il ajuste des millions de réglages jusqu'à ce que ses réponses tombent juste.
On lui montre des milliers d'images étiquetées et on corrige ses erreurs, très légèrement à chaque fois. Le programme n'apprend pas une définition : il ajuste des millions de réglages jusqu'à ce que ses réponses tombent juste.
Parce qu'enchaîner des opérations linéaires redonne toujours une opération linéaire : cent couches vaudraient exactement une seule. C'est la petite non-linéarité intercalée entre elles qui donne au réseau son pouvoir d'expression.
Le théorème d'approximation universelle garantit qu'une solution existe, pas qu'elle soit de taille raisonnable ni qu'on sache l'apprendre. Certaines fonctions exigent un nombre astronomique de neurones sur une couche unique, là où la profondeur les factorise.