« Sous-échantillonnage par valeur maximale » : différence entre les versions
m (Jacques a déplacé la page Max-Pooling vers Sous-échantillonnage par le maximum) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Domaine == | ==Domaine== | ||
[[Category:Intelligence artificielle]]Intelligence artificielle<br> | [[Category:Intelligence artificielle]] | ||
[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br> | Intelligence artificielle<br> | ||
[[Catégorie:Réseau de neurones artificiels]]Réseau de neurones artificiels<br> | [[Catégorie:Apprentissage automatique]] | ||
[[Catégorie:Apprentissage profond]]Apprentissage profond<br> | Apprentissage automatique<br> | ||
[[Catégorie:Réseau de neurones artificiels]] | |||
Réseau de neurones artificiels<br> | |||
[[Catégorie:Apprentissage profond]] | |||
Apprentissage profond<br> | |||
[[Category:Coulombe]] | [[Category:Coulombe]] | ||
[[Catégorie:Scotty]]<br> | [[Catégorie:Scotty]] | ||
<br> | |||
== Définition == | ==Définition== | ||
Le sous-échantillonnage par le maximum (en anglais max-pooling) est une technique utilisée au niveau des couches de partage (pooling layers) des réseaux de neurones convolutifs (RNC) ( | Le sous-échantillonnage par le maximum (en anglais ''max-pooling'') est une technique utilisée au niveau des couches de partage (''pooling layers'') des réseaux de neurones convolutifs (RNC) (''Convolutional Neural Networks -'' CNN) pour sous-échantillonner les données afin de réduire le nombre de paramètres, la quantité de calculs et par conséquent le sur-ajustement (''overfitting''). Plus précisément, le sous-échantillonnage par le maximum consiste à réduire la dimension des données en ne conservant que l’information la plus importante. Par exemple, dans le cas d'une image, la technique de sous-échantillonnage par le maximum ne retiendra que le pixel du voisinage qui a la plus forte intensité. | ||
== Français == | ==Français== | ||
''' sous-échantillonnage par le maximum''' | ''' sous-échantillonnage par le maximum''' locution nominale, masc. | ||
''' max-pooling''' | ''' max-pooling''' | ||
== Anglais == | ==Anglais== | ||
'''Max-Pooling''' | '''Max-Pooling''' | ||
Version du 22 mai 2019 à 15:25
Domaine
Intelligence artificielle
Apprentissage automatique
Réseau de neurones artificiels
Apprentissage profond
Définition
Le sous-échantillonnage par le maximum (en anglais max-pooling) est une technique utilisée au niveau des couches de partage (pooling layers) des réseaux de neurones convolutifs (RNC) (Convolutional Neural Networks - CNN) pour sous-échantillonner les données afin de réduire le nombre de paramètres, la quantité de calculs et par conséquent le sur-ajustement (overfitting). Plus précisément, le sous-échantillonnage par le maximum consiste à réduire la dimension des données en ne conservant que l’information la plus importante. Par exemple, dans le cas d'une image, la technique de sous-échantillonnage par le maximum ne retiendra que le pixel du voisinage qui a la plus forte intensité.
Français
sous-échantillonnage par le maximum locution nominale, masc.
max-pooling
Anglais
Max-Pooling
Contributeurs: Evan Brach, Claude Coulombe, Hughes Perreault, Jacques Barolet, Patrick Drouin, wiki
