Régression différentielle: LWPR

Cette séance de cours couvre l'apprentissage progressif, en mettant l'accent sur l'algorithme LWPR. Il examine les défis de la mise à jour des modèles précédents avec de nouvelles données, le concept de production de données synthétiques, et l'importance de l'apprentissage progressif dans diverses applications du monde réel telles que l'apprentissage des robots, le traitement de la parole et les finances. L'algorithme LWPR, inspiré de la régression pondérée locale, est expliqué en détail, en mettant l'accent sur son utilisation de champs réceptifs et de noyaux RBF pour calculer des lignes régressives. La séance de cours s'inscrit également dans l'algorithme incrémental de base de LWPR, y compris le processus d'apprentissage des mesures de distance et la création de nouveaux modèles basés sur des points de requête.