Réseaux neuronaux : Perceptrons multicouches

Cette séance de cours présente Multilayer Perceptrons (MLP) comme une famille de fonctions flexibles qui peut résoudre des problèmes complexes en trouvant simultanément des fonctionnalités intelligentes et des coefficients de régression. Il couvre le concept de neurones artificiels, les fonctions d'activation populaires comme le relu et le sigmoïde, la notation matricielle pour le MLP, et l'importance de la flexibilité et de la régularisation dans les réseaux neuraux. La séance de cours traite également des tâches de régression et de classification avec les MLP, montrant le problème XOR et la paramétrisation des densités conditionnelles. Parmi les exemples pratiques, mentionnons la régression avec des MLP et la classification avec des MLP pour des tâches telles que l'ajustement des données météorologiques et la prévision du temps de rétention des analytes dans la chromatographie liquide.