Le paysage d'optimisation de Convex caché des réseaux neuronaux profonds

Cette séance de cours explore l'histoire des réseaux neuronaux artificiels, l'impact de l'apprentissage profond, les défis dans les réseaux neuronaux, le rôle de l'architecture et le paysage d'optimisation des réseaux neuronaux profonds. Il se plonge dans le paysage d'optimisation convexe caché des réseaux neuronaux profonds, montrant la transition des modèles non convexes aux modèles convexes. La séance de cours traite de la capacité d'interprétation des modèles d'apprentissage profond, de l'importance des régulateurs convexes et de la convergence des flux de gradient non régularisés vers l'optimisation du programme convexe. Il couvre également la formation des réseaux neuronaux ReLU et polynômes, l'application de la théorie de l'optimisation convexe, et les problèmes ouverts dans l'optimisation du réseau neuronal.