Comment choisir une architecture neuronale pour une perception robotique ?
Choisir une architecture neuronale pour une perception robotique dépend du capteur, de la sortie attendue, de la latence, de la mémoire et des scènes à couvrir.
Domaine de connaissance
Affiner le parcours
Choisissez une branche plus précise ou continuez avec toutes les réponses ci-dessous.
Questions du domaine
20 résultats
Choisir une architecture neuronale pour une perception robotique dépend du capteur, de la sortie attendue, de la latence, de la mémoire et des scènes à couvrir.
On entraîne un réseau convolutionnel avec des images annotées et des transformations qui représentent les variations attendues, sans inventer des cas non réalistes.
L’entraînement d’un perceptron multicouche ajuste ses poids en réduisant l’écart entre ses sorties et des exemples annotés.
Un perceptron multicouche est un modèle composé de couches de calcul qui transforment des entrées en sortie grâce à des poids appris.
Une architecture neuronale est la manière dont les couches d’un réseau transforment les données d’un robot en représentation ou en prédiction.
Valider une architecture neuronale avant son déploiement robotique exige des données indépendantes, des essais sur matériel réel, des perturbations et un comportement défini en cas de doute.
Surveiller la confiance d’un réseau neuronal robotique consiste à suivre ses scores, ses refus, ses erreurs connues et la qualité des entrées avant d’autoriser une action.
Quantifier ou compresser un réseau neuronal embarqué réduit mémoire, temps de calcul ou énergie, au prix possible d’une perte de précision.
Une question plus précise ?