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

Source : Extreme learning machine: Theory and applications

Source : Definir-tech.com