Smart TCscan - Évaluation intelligente, à grand rendement et non destructive des défauts de collage dans les chaussées | FEREC 2020

Smart TCscan Lauréat de l’appel à projets 2020 21/29 Figure 19 : Minimisation de la fonction coût par la méthode de descente de gradient Afin d’optimiser efficacement la descente de gradient, différentes méthodes existantes ont été comparées et appliquées sur la base de données synthétiques (Figure 20). Figure 20 : Comparaison non-exhaustive de différentes méthodes d’optimisation Parmi ces différents optimiseurs, Adam (ADAptative Momentum estimation) (Kingma & Ba, 2014) semble offrir d’excellents résultats avec une rapide convergence vers le minimum global de la fonction coût. Il s’agit d’un algorithme basé sur un gradient d’ordre 1 de fonctions objectives stochastiques utilisant le principe des estimations adaptatives des moments d’ordre inférieur. Le premier moment normalisé par le deuxième se met à jour selon :