nloOpts={casOptml}

spécifie les options d'optimisation. Il peut inclure les options suivantes :
- algorithm="ADAM" | "SGD" : spécifie le solveur d'optimisation à utiliser. 'ADAM' utilise la variante des moments adaptatifs du solveur de descente de gradient stochastique, tandis que 'SGD' utilise le solveur de descente de gradient stochastique.
- optmlOpt={optmlOptions} : spécifie les options communes à tous les solveurs. Cela inclut des paramètres comme 'clipWeightMaxNorm' (norme L2 maximale du vecteur de poids), 'fConv' (critère d'arrêt basé sur le changement de l'objectif), 'fConvWindow' (fenêtre d'itération pour 'fConv'), 'gTol' (tolérance d'arrêt pour l'erreur d'optimalité de premier ordre), 'maxEvals' (nombre maximal d'évaluations de fonction), 'maxIters' (nombre maximal d'itérations), 'maxTime' (temps maximal en secondes), 'regL1' (paramètre de régularisation L1) et 'regL2' (paramètre de régularisation L2).
- printOpt={optmlPrintOptions} : spécifie les options pour l'envoi d'informations au journal et l'impression de la table d'historique des itérations. Cela inclut 'logLevel' (niveau d'affichage de la sortie), 'printFreq' (fréquence d'impression du journal d'itération) et 'printLevel' ('PRINTBASIC', 'PRINTDETAIL' ou 'PRINTNONE').
- sgdOpt={sgdOptions} : spécifie les options pour le solveur SGD. Cela inclut 'adaptiveDecay' (taux de décroissance du second moment du gradient), 'adaptiveRate' (utilise le second moment du gradient pour ajuster le taux d'apprentissage), 'annealingRate' (paramètre de recuit), 'commFreq' (nombre de mini-lots traités avant synchronisation des poids), 'learningRate' (taux d'apprentissage), 'miniBatchSize' (taille des mini-lots), 'momentum' (élan pour SGD), 'seed' (valeur de la graine pour la génération de nombres aléatoires) et 'useLocking' (utilise des verrous pour l'agrégation de threads).
- validate={optmlValidate} : spécifie les options pour la validation des modèles. Cela inclut 'frequency' (fréquence de validation), 'goal' (objectif pour le taux de classification erronée de la validation), 'stagnation' (nombre de validations consécutives avec des taux de classification erronée croissants), 'threshold' (seuil d'arrêt anticipé pour l'erreur de validation) et 'thresholdIter' (itération à laquelle le seuil d'arrêt anticipé est vérifié).