Incorporer une connaissance a priori pour une tache particulière aux algorithmes d'apprentissage peut grandement améliorer leur performance en généralisation. Dans cet article, nous étudions un cas où nous savons que la fonction à apprendre est non-décroissante pour ses deux arguments, et convexe pour l'un d'entre eux. Pour ce cas particulier, nous proposons une classe de fonctions similaires aux réseaux de neurones multi-couches mais (1) avec les propriétés mentionnées plus haut, et (2) est un approximateur universel de fonctions continues avec ces propriétés et avec d'autres. Nous appliquons cette nouvelle classe de fonctions au problème de la modélisation du prix des options d'achat. Nos expériences montrent une amélioration pour la régression sur ces prix d'options d'achat lorsque nous utilisons la nouvelle classe de fonctions qui incorporent les contraintes a priori.

Voir le document

Dernières publications

2017RP-04 RP
Fonctionnement du marché des assurances privées de personnes dans le cadre de l’assurance médicaments et son encadrement réglementaire au Québec
Mélanie Bourassa Forcier, Pierre-Carl Michaud, Aurélie Côté-Sergent, Stéphanie Boulenger, Camille Lachance Gaboury et Claire Abbamonte
Voir le document

2017RP-04A RP
Fonctionnement du marché des assurances privées de personnes dans le cadre de l’assurance médicaments et son encadrement réglementaire au Québec (ANNEXES)
Mélanie Bourassa Forcier, Pierre-Carl Michaud, Stéphanie Boulenger, Aurélie Côté-Sergent, Claire Abbamonte et Camille Lachance Gaboury
Voir le document

2017s-12 CS
Policy relevance of applied economist: Examining sensitivity and inferences
Maurice Doyon, Stéphane Bergeron et Lota Dabio Tamini
Voir le document

2017RP-03 RP
La surqualification professionnelle chez les diplômés des collèges et des universités : État de la situation au Québec
Brahim Boudarbat et Claude Montmarquette
Voir le document

2017s-11 CS
The social cost of contestable benefits
Arye Hillman et Ngo Van Long
Voir le document


Centre interuniversitaire de recherche en analyse des organisations
1130 rue Sherbrooke Ouest, suite 1400
Montréal, Québec (Canada) H3A 2M8
(514) 985-4000
(514) 985-4039
reception@cirano.qc.ca

© 2017 CIRANO. Tous droits réservés.



Partenaire de :