Intelligence artificielle Découvrez Neural Structured Learning, le nouveau framework TensorFlow pour les données structurées

Pour approfondir le sujet

Sur le même thème :

L’Inria et le DFKI organisent leur première école d’été européenne autour de l’intelligence artificielle

Inria et le centre de recherche allemand en intelligence artificielle (DFKI) organisent une école d’été européenne autour de l’intelligence artificielle qui se déroulera du...

21 projets sélectionnés dans le cadre de l’appel à projets franco-allemand centré sur l’intelligence artificielle

En octobre 2020, l’Agence nationale de la recherche (ANR) et le ministère fédéral allemand de l’Éducation et de la Recherche (BMBF) ont lancé un...

Facebook AI annonce deux découvertes liées à la vision par ordinateur et à l’apprentissage supervisé

Facebook AI a annoncé en fin de semaine dernière deux découvertes jugées comme majeures en matière d'intelligence artificielle et de vision par ordinateur. Ces...

Des chercheurs ont mis au point un algorithme de prédiction des maladies dues à des régimes spécifiques

Les consultations auprès de nutritionnistes ont considérablement augmenté ces dernières années. Grâce aux progrès scientifiques, les régimes se sont améliorés et sont beaucoup plus...

Découvrez Neural Structured Learning, le nouveau framework TensorFlow pour les données structurées

Google a lancé un nouveau framework pour TensorFlow baptisé NSL (Neural Structured Learning). Open source, cet outil pour les chercheurs et développeurs en machine learning est adapté aux données structurées telles que des graphes pour l’entraînement de réseaux neuronaux profonds.

Présenté sur Medium et sur le site de TensorFlow, le framework NSL fonctionne avec la plateforme de machine learning TensorFlow. Il est destiné aussi bien aux débutants en la matière qu’aux chercheurs ayant une plus vaste expérience. Ce nouvel outil permet de générer des modèles, d’effectuer des tâches d’entraînement et prédiction à partir de données structurées, telles que celles que l’on peut trouver au sein des graphs de connaissances. Le Neural Structured Learning framework permet de faire de l’apprentissage supervisé, semi-supervisé et non-supervisé.

En tirant parti de la structure des données (et donc les relations entre elles) en plus des features (caractéristiques isolées de chaque échantillon d’un jeu de données) traditionnellement exploitées, l’outil permet d’obtenir de meilleures performances, surtout lorsque peu de données labellisées sont disponibles.

tensorflow

Ce traitement supplémentaire n’a bien sûr aucun impact sur la vitesse d’exécution des tâches d’inférence, puisque les relations sont traitées uniquement lors de l’entraînement.

Da-Cheng Juan et Sujith Ravi, qui ont tous deux travaillé à son développement, ont annoncé le lancement de NSL et indiqué que le fait de “tirer parti des signaux structurés au cours de l’apprentissage permet aux développeurs d’obtenir une plus grande précision dans les modèles. Plus précisément, lorsque la quantité de données étiquetées est relativement faible. L’entraînement avec des signaux structurés conduit également à des modèles plus robustes. Ces techniques ont été largement utilisées dans Google pour améliorer les performances des modèles, comme l’apprentissage de l’intégration sémantique d’images”.

TensorFlow2Comme l’indiquent les deux scientifiques, NSL permet aux développeurs de structurer, avec beaucoup moins de code les données ainsi que les API pour la création de réseaux adverses. Le framework comprend des APIs et des outils pour l’entraînement des modèles avec des données structurées:

  • Les APIs Keras pour permettre un entraînement avec des graphes (structure explicite) et des perturbations contradictoires (structure implicite).
  • Fonctions pour permettre l’entraînement avec structure lors de l’utilisation des APIs TensorFlow de niveau inférieur.
  • Outils pour construire des graphiques et construire des inputs de graphique pour l’entraînement.

Grâce à NSL, le modèle est obligé d’apprendre des prévisions précises tout en maintenant la similarité entre les entrées d’une même structure. Cette technique est générique et peut être appliquée à des architectures neuronales arbitraires.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
ZENPLOT® par Addinsoft

Zenplot®, le logiciel de data visualisation dédié aux graphiques avancés zenplot® permet de créer des visualisations impactantes en superposant diffé...

 
Thomas Calvi

Partager l'article

Évènement : le forum NAIA.R sur l’intelligence artificielle et la robotique se tiendra le 13 octobre

NAIA.R, le forum Néo-Aquitain sur l’intelligence artificielle et la robotique, donne rendez-vous aux scientifiques et professionnels du secteur le 13 octobre 2022, à la...

IA et mobilité : les capsules d’Urbanloop seront testées lors des JO 2024

Tandis que de nombreux pays, dont la France, travaillent au train du futur circulant dans un tube à basse pression, l'hyperloop, selon le concept...

Lowe’s s’associe à NVIDIA et Magic Leap pour créer un jumeau numérique interactif de ses magasins

Lowe’s, une chaîne de magasins dédiés à la rénovation résidentielle aux Etats-Unis et au Canada, a dévoilé lors de la GTC de NVIDIA, le...

Nouvelle-Zélande : l’intelligence artificielle vient au secours des dauphins de Māui

Il existe plus de 30 espèces de dauphins dans le monde, le dauphin Māui, qui vit au large de la côte ouest de l'île...
Recevoir une notification en cas d'actualité importante    OK Non merci