Adresse :
Madame Eden Belouadah du département informatique et du Lab-STICC, présentera ses travaux de thèse:
"Apprentissage incrémental profond à large échelle"
Résumé: les approches basées sur la mémoire obtiennent les meilleurs résultats de l'état de l'art. Dans cette thèse, nous présentons plusieurs méthodes avec et sans mémoire du passé. Nos méthodes traitent l'oubli catastrophique soit (1) en calibrant les scores des classes passées et nouvelles à la fin du réseau, soit (2) en réutilisant les poids initiaux des classes passées, soit (3) en transféra nt les connaissances entre les datasets de référence et cibles.
Organisateur(s)
Dans le cadre de la co-accréditation de thèse avec l'école doctorale MATHSTIC
mots-clés: Apprentissage incrémental ; oubli catastrophique ; classification d'image ; réseaux de neurones