Je recherche des articles ou des textes qui comparent et discutent (empiriquement ou théoriquement):
- Les algorithmes de boosting et d' arbres de décision tels que Random Forests ou AdaBoost et GentleBoost ont été appliqués aux arbres de décision.
avec
- Méthodes d'apprentissage en profondeur telles que les machines Boltzmann restreintes , la mémoire temporelle hiérarchique , les réseaux de neurones convolutifs , etc.
Plus précisément, quelqu'un connaît-il un texte qui discute ou compare ces deux blocs de méthodes ML en termes de vitesse, de précision ou de convergence? Je recherche également des textes qui expliquent ou résument les différences (par exemple les avantages et les inconvénients) entre les modèles ou les méthodes du deuxième bloc.
Tout pointeur ou réponse traitant directement de telles comparaisons serait grandement apprécié.