Résume | Les techniques d'apprentissage profond font partie des approches modernes de l’apprentissage automatique,
avec des succès spectaculaires dans des domaines aussi divers que la vision vision artificielle
ou le traitement du langage naturel. Pourtant, malgré ces nombreux succès, la compréhension des mécanismes
mathématiques en action derrière ces méthodes reste très incomplète. Une approche récente consiste à interpréter et analyser
les réseaux de neurones profonds comme des versions discrétisées d'équations différentielles ordinaires. Dans cet exposé,
je donnerai un aperçu de ce domaine émergent puis discuterai de résultats nouveaux
concernant les réseaux résiduels profonds, qui font partie des modèles d’apprentissage les plus actuels. |