Comparaison des capacités prédictives de réseaux de neurones, application à la masse sèche de cellules - CEA - Commissariat à l’énergie atomique et aux énergies alternatives Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Comparaison des capacités prédictives de réseaux de neurones, application à la masse sèche de cellules

Résumé

Depuis une dizaine d'années, de nombreuses architectures de réseaux de neurones ont été proposées pour résoudre des problèmes complexes, jusqu'alors insolubles. Bien que chaque architecture tente d'augmenter les performances de ses prédécesseurs, nous constatons aujourd'hui un manque d'évaluation comparée de leurs performances.Nous présentons dans ce papier une étude comparative de différentes architectures des réseaux de neurones pour la prédiction de séries temporelles. En particulier, celle de masse sèche de cellules.Quatre types d'architectures (Perceptrons Multicouches, CNN-1D, LSTM et réseaux à connexions résiduelles) sont comparées selon leurs capacités prédictives, leur nombre de paramètres, leur temps d'entraînement et leur temps d'inférence.Les expériences réalisées mettent en avant une prédominance des perceptrons multicouches à extraire une représentation utile pour la prédiction de la masse sèche de cellule par un réseau totalement connecté, et ce, sur toutes les métriques étudiées.
Fichier principal
Vignette du fichier
Gretsi2023_final.pdf (323.74 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

cea-04249437 , version 1 (19-10-2023)

Identifiants

  • HAL Id : cea-04249437 , version 1

Citer

Romain Bailly, Marielle Malfante, Cédric Allier, Lamya Ghenim, Jérome Mars. Comparaison des capacités prédictives de réseaux de neurones, application à la masse sèche de cellules. GRETSI 2023 - XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨cea-04249437⟩
81 Consultations
19 Téléchargements

Partager

Gmail Facebook X LinkedIn More