Mémoire temporelle de l'apprentissage et détection précoce de l'overfitting

Ce travail propose un système de diagnostic dynamique de l’apprentissage basé sur trois capteurs : (1) données (gap train/validation), (2) gradients (norme et persistance), (3) mémoire des poids (EMA et dérive). En utilisant des métriques de corrélation temporelle (DFA, exposant β), nous montrons qu’un régime stable d’apprentissage se situe autour de β ≈ 1. Le système permet de détecter précocement l’overfitting, la rigidité ou l’instabilité chaotique, sans dépendre d’un modèle ou d’un jeu de données spécifique.