MLE de Laplacian (option robuste du réseau de neurones JMP)Il existe un document décrivant la mise en œuvre par JMP de l'option robuste pour la plate-forme de réseau neuronal. JMP ANN cela note qu'il maximise la probabilité d'une distribution laplacienne, ce qui revient à minimiser les déviations absolues. Cependant, il n'y a pas de gradient analytique dans ce cas (la fonction n'est pas différentiable), comment JMP exécute-t-il l'optimisation dans ce cas? Utilisent-ils une approximation douce de la fonction de valeur absolue, puis appliquent-ils une méthode quasi-newton? Ou calculent-ils un gradient numérique tout en appliquant une méthode quasi newtonienne, mais font-ils particulièrement attention aux environs de zéro?
