Beyond the training task in classification : looking at extension of the notion of generalization - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Beyond the training task in classification : looking at extension of the notion of generalization

Au-delà de la tâche d’entraînement en classification : élargir la notion de généralisation

Résumé

The thesis focuses on the concept of generalization, particularly in the context of supervised machine learning classification. This approach involves learning to solve a task (classification) based on labeled training data. Generalization is defined as the ability to make accurate predictions on unseen data during training. Traditionally, generalization is limited to data that belongs to the same domain as the training task. However, recent literature highlights the capability of deep learning architectures to generalize beyond their training task. Thus, a model trained on a specific task can be partially reused for other tasks. The thesis explores various possible extensions of generalization, including learning on a set of classes and the ability to generalize to a larger set of classes, learning on coarse labels to predict more complex labels, learning on artificially complex tasks to improve generalization, and learning invariant operators for a specific task.
La thèse s’intéresse à la notion de généralisation, en particulier dans le cadre de la classification en apprentissage automatique de manière supervisée. Cette approche consiste à apprendre à résoudre une tâche (classification) à partir de données d’entrainement étiquetées. La généralisation est définie comme la capacité à réaliser des prédictions correctes sur des données non observées pendant l’entraînement. Cette notion est généralement restreinte à des données qui correspondent au même domaine que celui de la tâche d’entrainement. Cependant, une littérature récente met en exergue la capacité des architectures d’apprentissage profond à généraliser en dehors de leur tâche d’entrainement. Ainsi, un modèle entrainé sur une tâche particulière peut être réutilisée en partie sur d’autres tâches. Ainsi, nous explorons différentes extensions possibles de la généralisation : apprentissage sur un ensemble de classe et l’habilité à généraliser sur un ensemble de classes plus grands, l’apprentissage sur des labels grossiers pour prédire des labels plus complexes, l’apprentissage sur une tâche artificiellement complexe pour améliorer la généralisation ou encore l’apprentissage d’opérateurs invariants pour résoudre une tâche spécifique.
Fichier principal
Vignette du fichier
2023IMTA0372_Baena-Raphael.pdf (21.95 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04359775 , version 1 (21-12-2023)

Identifiants

  • HAL Id : tel-04359775 , version 1

Citer

Raphaël Baena. Beyond the training task in classification : looking at extension of the notion of generalization. Artificial Intelligence [cs.AI]. Ecole nationale supérieure Mines-Télécom Atlantique, 2023. English. ⟨NNT : 2023IMTA0372⟩. ⟨tel-04359775⟩
68 Consultations
13 Téléchargements

Partager

Gmail Facebook X LinkedIn More