« Rétropropagation » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
La rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un | La rétropropagation est une méthode qui permet aux ''[[Réseau de neurones artificiels|réseaux de neurones artificiels]]''' d’apprendre. Plus spécifiquement, la rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones artificiels d’apprendre à partir de ses erreurs. | ||
L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie. | |||
==Compléments== | ==Compléments== | ||
On soumet des données à un réseau de neurones et on lui indique ses bonnes et ses mauvaises réponses. Cette méthode permet d’augmenter le poids relatif des neurones correspondant aux bonnes réponses ou de réduire le poids relatif des neurones correspondant aux mauvaises réponses. | |||
Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante. | |||
==Français== | ==Français== | ||
''' | '''rétropropagation''' | ||
'''rétropropagation de l'erreur''' | '''rétropropagation de l'erreur''' | ||
Ligne 19 : | Ligne 20 : | ||
==Anglais== | ==Anglais== | ||
''' | '''backpropagation''' | ||
'''error backpropagation''' | |||
'''error feedback propagation''' | |||
''' | '''feedback propagation''' | ||
<small> | <small> | ||
[http://www.lavery.ca/FTP/publication/laboratoire-intelligence-artificielle-lexiqueFR.html#p=9 ''Source: Lavery.ca.''] | [http://www.lavery.ca/FTP/publication/laboratoire-intelligence-artificielle-lexiqueFR.html#p=9 ''Source: Lavery.ca.''] | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''.] | [https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''.] | ||
</small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html> | </small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html> | ||
<br></div><br><br> | <br></div><br><br> | ||
[[Catégorie:GDT]] | [[Catégorie:GDT]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
[[Catégorie:PUBLICATION]] |
Version du 15 août 2022 à 01:40
Définition
La rétropropagation est une méthode qui permet aux réseaux de neurones artificiels' d’apprendre. Plus spécifiquement, la rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones artificiels d’apprendre à partir de ses erreurs.
L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie.
Compléments
On soumet des données à un réseau de neurones et on lui indique ses bonnes et ses mauvaises réponses. Cette méthode permet d’augmenter le poids relatif des neurones correspondant aux bonnes réponses ou de réduire le poids relatif des neurones correspondant aux mauvaises réponses.
Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante.
Français
rétropropagation
rétropropagation de l'erreur
rétropropagation d'erreurs
rétropropagation des erreurs
Anglais
backpropagation
error backpropagation
error feedback propagation
feedback propagation
Source: Google, Machine learning glossary.
![](/wiki/annonces/DF annonce livre.jpg)
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche