Mémoire D'étudiant Année : 2024

Optimisation automatique de l'apprentissage en ligne

Émile Royer
  • Fonction : Auteur
  • PersonId : 1497485

Résumé

Automated machine learning methods for online machine learning exclusively use genetic algorithms. Drawing a parallel with other fields of optimisation studies, it is reasonable to think that more efficient methods exist. We show it is possible to use bayesian optimisation for online autoML, with equivalent results to the state of the art. This new method has the potential to create new, more efficient online optimisers.
Les méthodes d'optimisation de modèles d'apprentissage automatique en ligne utilisent exclusivement des algorithmes génétiques. Il est raisonnable de penser que des méthodes plus efficaces encore existent en faisant un parallèle avec les autres domaines de l'optimisation. Nous montrons qu'il est possible d'utiliser l'optimisation bayésienne pour l'optimisation en ligne, avec des résultats équivalents à l'état de l'art. Cette nouvelle technique a le potentiel de créer de nouveaux optimiseurs en ligne plus efficaces.
Fichier sous embargo
Fichier sous embargo
0 1 4
Année Mois Jours
Avant la publication
samedi 8 mars 2025
Fichier sous embargo
samedi 8 mars 2025
Connectez-vous pour demander l'accès au fichier

Dates et versions

hal-04921796 , version 1 (30-01-2025)

Licence

Copyright (Tous droits réservés)

Identifiants

  • HAL Id : hal-04921796 , version 1

Citer

Émile Royer. Optimisation automatique de l'apprentissage en ligne. Apprentissage [cs.LG]. 2024. ⟨hal-04921796⟩

Collections

INRIA INRIA2
0 Consultations
0 Téléchargements

Partager

More