Machine à apprentissage extrême
Définition
La machine à apprentissage extrême est une architecture non-bouclée de réseau de neurones avec une unique couche cachée de neurones (genre perceptron) qui sont connectés aux entrées par des poids aléatoires non entraînés. Les poids de sortie sont calculés directement (sans itération) et analytiquement.
Compléments
Le calcul analytique des poids de sortie utilise une matrice pseudo-inverse de Moore-Penrose. Il s'agit donc d'un calcul linéaire non itératif pour les poids de sortie ce qui accélère grandement le temps de calcul, car il n'y a pas de dépendance entre les poids d'entrée et de sortie comme dans la procédure d'entraînement par rétropropagation.
L'architecture initiale qui ne comprenait qu'une seule couche cachée a été étendue à des réseaux multicouches.
La machine à apprentissage extrême est un sujet controversé sur le plan de l'appellation « extrême » et de la réinvention de principes scientifiques sans citer les sources des travaux antérieurs. Notons que cette architecture n'est pas d'usage répandu en 2022 alors qu'elle a été inventée vers 2005.
Français
machine à apprentissage extrême
machine d'apprentissage extrême
réseau de neurones à apprentissage extrême
réseau neuronal à apprentissage extrême
Anglais
extreme learning machine
ELM
Sources
Source : Wikipedia Machine Learning
Contributeurs: Claire Gorjux, Claude Coulombe, Imane Meziani, Patrick Drouin, wiki
