Réseaux neuronaux profonds tolérants aux pannes pour la détection de situations méconnaissables.

Résumé Les réseaux neuronaux profonds connaissent un grand succès dans divers domaines. Cependant, leur utilisation reste limitée aux applications non critiques car leur comportement est imprévisible et peu sûr. Dans cet article, nous proposons des approches de tolérance aux fautes basées sur l'apprentissage diversifié afin d'améliorer la fiabilité et surtout la sécurité des DNN. Notre objectif principal est d'augmenter la confiance dans les résultats des mécanismes d'apprentissage profond en reconnaissant les entrées non apprises et en empêchant les erreurs de classification.