Ivan Nourdin - TCL quantitatif pour les réseaux de neurones profonds

Je présenterai un travail récent portant sur le comportement asymptotique, à l'initialisation, des réseaux de neurones profonds entièrement connectés, lorsque les poids et les biais sont gaussiens et que les dimensions des couches cachées tendent vers l’infini. L’accent sera mis sur le cas unidimensionnel, avec un focus particulier sur l’obtention de bornes optimales pour la distance en variation totale, en s’appuyant sur la méthode de Stein.

(Ce travail est réalisé en collaboration avec S. Favaro, B. Hanin, D. Marinucci et G. Peccati.)