Comment détecter le surapprentissage d’un perceptron multicouche embarqué ?
Mise à jour29 août 2026
Lecture1 minute
Réponse rapide
Le surapprentissage se repère lorsque la performance d’entraînement progresse alors que validation ou essais nouveaux stagnent ou se dégradent, avec des sorties trop confiantes sur des variations non vues.
Suivre les courbes
Perte et métriques d’entraînement sont comparées à validation à chaque époque. Une divergence persistante signale une généralisation insuffisante.
Tester des épisodes séparés
Scènes, charges, opérateurs et bruit nouveaux sont gardés hors apprentissage. Les résultats par classe et contexte montrent où le modèle mémorise.
Réduire la dépendance aux exemples
Données diversifiées, régularisation, modèle plus simple ou augmentation peuvent aider. Toute correction est retestée sur une base indépendante et sur le robot.
Sources et références
- [1] Robotics and Autonomous Systems — NIST