Journal international d'intelligence d'essaim et de calcul évolutif

Abstrait

Apprentissage profond avec Python dans la science des données et les réseaux de neurones artificiels

Sharan Kireeti

Il s'agit d'une branche de l'informatique qui étudie la planification des algorithmes qui vont apprendre. Les architectures d'apprentissage profond sont sensibles aux perturbations adverses. Elles s'ajoutent à l'entrée et modifient radicalement la sortie des réseaux profonds. Ces exemples sont appelés exemples adverses. Ils sont observés dans diverses tâches d'apprentissage, de l'apprentissage supervisé à l'apprentissage non supervisé et par renforcement. Ces algorithmes sont généralement appelés réseaux de neurones artificiels (ANN). L'apprentissage profond est l'un des domaines les plus populaires de la science des données avec de nombreuses études de cas qui ont des résultats étonnants en robotique, en reconnaissance d'images et en intelligence artificielle (IA).