Méthodes d'optimisation adaptative: théorie et applications

Cette séance de cours couvre les méthodes adaptatives de premier ordre stochastiques qui convergent sans connaître la constante de douceur en utilisant des informations provenant de gradients stochastiques. Il introduit des algorithmes de descente de gradient stochastique métrique variable et des méthodes de gradient adaptatives qui s'adaptent localement en définissant la matrice de Hesse sur la base des informations de gradient stochastique passées. La séance de cours aborde également AdaGrad, AcceleGrad, RMSProp et ADAM, en soulignant leurs propriétés et leurs taux de convergence. Il compare divers algorithmes adaptatifs, y compris leurs performances dans les tâches d'optimisation et les capacités de généralisation. Les implications de la régularisation implicite dans les méthodes adaptatives et la performance de généralisation des méthodes d'apprentissage adaptatives sont également explorées.