« Généralisation en rétropropagation » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵↵↵↵ » par «   »)
 
(8 versions intermédiaires par 3 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
L'apprentissage du rétropropagation semble fonctionner en obtenant tout d'abord un ensemble approximatif de poids qui correspondent aux modèles d'entraînement d'une manière générale, puis en progressant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d'entraînement.
L’apprentissage par rétropropagation semble fonctionner en obtenant tout d’abord un ensemble approximatif de poids qui correspondent aux modèles d’entraînement d’une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d’entraînement.
 
Si l'apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités de l'ensemble particulier de modèles, mais qui n'interpolent pas (c'est-à-dire généralisent) bien.  


Si l’apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui ne s'interpolent pas bien.
== Français ==
== Français ==
'''Généralisation en rétropropagation''' <small> loc. nom. fém. </small>
'''Généralisation en rétropropagation'''
   
   
== Anglais ==
== Anglais ==
'''Generalization in backprop'''
'''generalization in backprop'''
 
<small>


[http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html    Source : INWS machine learning dictionary] 


==Sources==


[http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html      Source : INWS machine learning dictionary]  ]


[[Catégorie:Scotty]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Vocabulary]]
[[Catégorie:Apprentissage machine]]
[[Catégorie:UNSW]]

Dernière version du 29 janvier 2024 à 13:44

Définition

L’apprentissage par rétropropagation semble fonctionner en obtenant tout d’abord un ensemble approximatif de poids qui correspondent aux modèles d’entraînement d’une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d’entraînement.

Si l’apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui ne s'interpolent pas bien.

Français

Généralisation en rétropropagation

Anglais

generalization in backprop


Sources

Source : INWS machine learning dictionary ]



Contributeurs: Imane Meziani, wiki, Sihem Kouache