
9.4 Autoencodeurs convolutifs
343
© Dunod – Toute reproduction non autorisée est un délit.
Enprocédant ainsi, nous pouvons facilement entraîner un plus grand nombre d’au-
toencodeurs, pour arriver à un autoencodeur empilé très profond.
Comme nous l’avons expliqué précédemment, le regain d’intérêt pour le Deep
Learning est notamment dû à une découverte de Geoffrey Hinton et al. en 2006
(https://homl.info/136)
: les réseaux de neurones profonds peuvent être préentraînés
de façon non supervisée, en utilisant cette approche gloutonne par couche. Ils ont
utilisé pour cela des machines de Boltzmann restreintes (RBM ; voir l’annexeC) mais,
en 2007, Y ...