Key points are not available for this paper at this time.
La rétropropagation peut être considérée comme une technique de régression non linéaire, permettant à un réseau neuronal non linéaire d'acquérir une association entrée/sortie (I/O) en utilisant un nombre limité d'échantillons choisis à partir d'une population de modèles d'entrée et de sortie. Un problème crucial de la rétropropagation est sa capacité de généralisation. Un réseau entraîné avec succès sur des échantillons donnés ne garantit pas de fournir les associations désirées pour des entrées non entraînées. Concernant ce problème, certains auteurs ont montré expérimentalement que la capacité de généralisation pouvait être remarquablement améliorée en entraînant le réseau avec des entrées injectées de bruit. L'auteur explique mathématiquement pourquoi et comment l'injection de bruit dans les entrées a un tel effet.
Kiyotoshi Matsuoka (Mer,) a étudié cette question.