Etude d’un système de reconnaissance des chiffres manuscrits basé sur la l’apprentissage profond et le calcul d’ordre fractionnaire

Thumbnail Image

Date

2024-06-25

Journal Title

Journal ISSN

Volume Title

Publisher

faculté des sciences et de la technologie* univ bba

Abstract

Ce mémoire explore la reconnaissance des chiffres manuscrits en combinant l'apprentissage profond et le calcul d'ordre fractionnaire. L'objectif principal est d'évaluer l'impact de l'intégration du calcul fractionnaire dans les règles de mise à jour des poids lors de l'apprentissage des réseaux de neurones. Diverses méthodes d'optimisation, architectures de réseaux et modifications sont étudiées. Les résultats expérimentaux démontrent la supériorité des optimiseurs fractionnaires, en particulier FAdam, par rapport aux optimiseurs classiques. Les réseaux de neurones convolutionnels avec trois couches cachées couplés à FAdam offrent les meilleures performances pour la reconnaissance des chiffres manuscrits de la base MNIST. Cette approche ouvre de nouvelles perspectives pour l'intégration du calcul fractionnaire dans l'apprentissage profond et l'intelligence artificielle.

Description

Keywords

Citation

Endorsement

Review

Supplemented By

Referenced By