Site de Vincent Gripon

Classes adversaires dans l'apprentissage avec peu d'exemples

L'apprentissage avec peu d'exemples est un problème de l'apprentissage automatique où très peu d'exemples étiquetés sont disponibles. Souvent, les connaissances d'un modèle pré-entraîné avec beaucoup de données sur des classes disjointes sont transférées pour répondre au problème. Il est communément admis que, plus ces données de pré-entraînement sont nombreuses et variées, meilleure sera la performance. Au contraire, nous montrons que moins peut faire mieux. Au travers d'expériences et d'une modélisation basée sur le rapport signal à bruit, nous montrons qu'un choix plus judicieux de ces données peut être fait.

@inproceedings{LafDigGriPas2022,
  author = {Raphael Lafargue and Jean-Philippe Diguet
and Vincent Gripon and Bastien Pasdeloup},
  title = {Classes adversaires dans l'apprentissage
avec peu d'exemples},
  booktitle = {GRETSI},
  year = {2022},
}