Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/24080
Titre: Bayesian Deep Learning for Limited Data Prediction
Auteur(s): Sahraoui, Tarek Ziad
Mots-clés: Apprentissage Profond, Méthodes Bayésiennes, Quantification de l’Incertitude, Interprétabilité, Performance.
Date de publication: 13-jui-2024
Editeur: University of tlemcen
Collection/Numéro: 47 Master info;
Résumé: L’apprentissage profond, inspiré du cerveau humain, utilise des réseaux de neurones artificiels pour apprendre à partir de données massives et effectuer des tâches complexes avec précision. L’apprentissage profond bayésien intègre des statistiques pour améliorer la précision des prédictions et gérer l’incertitude, notamment lorsque les données sont limitées. Cette thèse étudie l’efficacité de l’apprentissage profond bayésien pour améliorer la précision des prédictions et l’estimation de l’incertitude dans de tels contextes.
URI/URL: http://dspace1.univ-tlemcen.dz/handle/112/24080
Collection(s) :Master SIC

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Bayesian_Deep_Learning_for_Limited_Data_Prediction.pdf867,72 kBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.