Étude sur les Méthodes d’Optimisation Utilisée dans l’Apprentissage Automatique

BARAKA, Hodhaifa Abdelghani

dc.contributor.author	BARAKA, Hodhaifa Abdelghani
dc.date.accessioned	2021-02-01T08:12:11Z
dc.date.available	2021-02-01T08:12:11Z
dc.date.issued	2020-10-27
dc.identifier.uri	http://hdl.handle.net/STDB_UNAM/173
dc.description.abstract	L’objectif étant de définir le meilleur optimiseur en termes de plus haute résolution et de moindre perte, on explique au passage ce qu’un neurone artificiel et ce qu’un réseau de neurones convolutif ; on ira ensuite comparer plusieurs optimiseurs tels qu’AdaGrad, SGD, RMSprop et Adam en utilisant une base de données de chiffres manuscrits à l’aide d’un code Python basé sur l’architecture d’un réseau de neurones convolutif afin de conclure le meilleur algorithme d’optimisation.	en_US
dc.language.iso	fr	en_US
dc.publisher	Directeur: Mr. RIMOUCHE Ali / Co-directeur: Mme. HANDOUZI Wahida	en_US
dc.subject	CNN, Optimiseurs, Python.	en_US
dc.title	Étude sur les Méthodes d’Optimisation Utilisée dans l’Apprentissage Automatique	en_US
dc.type	Thesis	en_US