Capacité d'apprendre le problème de la qualité de la vidéo

Nous donnons les résultats de GD et AM-LM pour apprendre le problème de l'évaluation de la qualité de la vidéo présentée en section 1.4. La BD d'apprentissage contient 80 échantillons (chacun contient 5 entrées et une sortie). Le RNN utilisé est de type feedforward à trois couches ayant 5 neurones dans la couche d'entrée, 5 neurones cachés et un neurone de sortie. Nous avons entraîné ce réseau par les deux algorithmes avec, comme critère de convergence, un MSE de 0,0025. Pour GD, nous avons employé $\eta=0,1$ et pour AM-LM, nous avons employé $dP=0,7$ et $\zeta=0,90$. Nous montrons sur la figure 21 la variation de l'erreur avec le nombre d'itérations. Comme nous pouvons le voir, l'AM-LM donne une meilleure exécution que le GD en terme de vitesse : il prend seulement 7 itérations dans 47,37 secondes, alors que le GD atteint la même erreur après 5000 itérations dans environ 16 heures.

Figure: Comparaison entre les performances de GD et d'AM-LM lors de l'apprentissage du problème de la qualité de la vidéo présenté en section 1.4.

[GD] [AM-LM]