160 likes | 261 Views
Algorithmes de descente par blocs pour l’apprentissage creux. Mehdi Meghzifene – IF Ensimag 2A 18 mai 2011. Objectif. Réduire le nombre de paramètres décrivant un individu. k < < m. Comment?. En minimisant l’erreur de reconstruction pour k fixé. ACP. où.
E N D
Algorithmes de descente par blocs pour l’apprentissagecreux Mehdi Meghzifene – IF Ensimag 2A 18 mai 2011
Objectif Réduire le nombre de paramètres décrivant un individu. k < < m
Comment? En minimisantl’erreur de reconstruction pour k fixé.
ACP où
Formulation du Problème Relacher la contrainted’orthogonalité pour obtenirune compression plus forte. parcimonie Minimisation de l’erreur Problème trop complexe
Norme ||.||1 Pourquoi la norme ||.||1?
Difficultés & Solutions • h n’est pas convexe. • On considère donc les fonctions partielles • f n’est pas différentiable. • On doit avoir recours à des algorithmes spécifiques pour résoudre
Algorithme de descente par coordonnée Minimisation à tour de rôle selon chaque coefficient de α.
Convergence Preuve adaptée de Non LinearProgramming,Bertsekas