« Réseau antagoniste génératif » : différence entre les versions
m (Pitpitt a déplacé la page Réseau antagoniste génératif (RAG) vers Réseau antagoniste génératif) |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
(6 versions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Un réseau antagoniste génératif (RAG) est un algorithme d'apprentissage profond non supervisé. Le RAG est un modèle génératif, il n'est donc pas conçu pour classer des images, mais pour générer des images synthétiques avec un fort degré de réalisme. | |||
==Compléments== | |||
Dans un RAG, deux réseaux neuronaux profonds sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si l'image échantillon est réelle ou bien si elle est le résultat du générateur. Les paramètres des deux réseaux sont modifiés selon le résultat de la prédiction du réseau discriminateur, ce qui permet au réseau générateur de produire des images de plus en plus vraisemblables. | |||
Le réseau antagoniste génératif a été inventé par Ian Goodfellow en 2014 alors qu'il était étudiant au laboratoire MILA de l'Université de Montréal. | |||
==Français == | ==Français== | ||
'''réseau | '''réseau antagoniste génératif''' | ||
'''réseau | '''réseau adverse génératif''' <small><i>(emploi plus rare)</i></small> | ||
'''réseau adversaire génératif''' <small><i>(emploi plus rare)</i></small> | |||
'''RAG''' | |||
'''réseau génératif antagoniste''' <small><i>(emploi plus rare)</i></small> | |||
==Anglais== | ==Anglais== | ||
'''Generative adversarial network''' | '''Generative adversarial network''' | ||
'''GAN''' | |||
==Sources== | |||
[https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Source : Wikipedia IA] | [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Source : Wikipedia IA] | ||
[https://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=26552578 Source: GDT] | |||
[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=r%C3%A9seau+antagoniste+g%C3%A9n%C3%A9ratif&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus] | [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=r%C3%A9seau+antagoniste+g%C3%A9n%C3%A9ratif&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus] | ||
</small><br> {{Modèle:101}}<br> | |||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]] | ||
[[Catégorie:Apprentissage automatique]] | [[Catégorie:Apprentissage automatique]] | ||
[[Catégorie:Apprentissage profond]] | [[Catégorie:Apprentissage profond]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] |
Dernière version du 28 janvier 2024 à 13:14
Définition
Un réseau antagoniste génératif (RAG) est un algorithme d'apprentissage profond non supervisé. Le RAG est un modèle génératif, il n'est donc pas conçu pour classer des images, mais pour générer des images synthétiques avec un fort degré de réalisme.
Compléments
Dans un RAG, deux réseaux neuronaux profonds sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si l'image échantillon est réelle ou bien si elle est le résultat du générateur. Les paramètres des deux réseaux sont modifiés selon le résultat de la prédiction du réseau discriminateur, ce qui permet au réseau générateur de produire des images de plus en plus vraisemblables.
Le réseau antagoniste génératif a été inventé par Ian Goodfellow en 2014 alors qu'il était étudiant au laboratoire MILA de l'Université de Montréal.
Français
réseau antagoniste génératif
réseau adverse génératif (emploi plus rare)
réseau adversaire génératif (emploi plus rare)
RAG
réseau génératif antagoniste (emploi plus rare)
Anglais
Generative adversarial network
GAN
Sources
Source: GDT Source : TERMIUM Plus
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
![](/wiki/annonces/DF annonce FB.jpg)
Contributeurs: Claude Coulombe, Jacques Barolet, wiki