Machine de comité: approche de physique statistique

Cette séance de cours s'inscrit dans l'intégration de variables cachées dans les solutions de réplique et les unités cachées dans le modèle de machine de comité, explorant le modèle graphique et l'écart de calcul dans l'apprentissage des réseaux neuronaux à deux couches. L'instructeur présente une justification rigoureuse des outils heuristiques de la physique statistique pour la machine de comité, en introduisant un algorithme de passage de message approximatif. La séance de cours traite également de la transition de spécialisation, de l'analyse des écarts de calcul et des défis à relever pour déterminer l'erreur de généralisation optimale dans un perceptron à deux couches (extensive).