Couche de neurones - Historique des versions

Pitpitt le 18 avril 2026 à 15:48

2026-04-18T15:48:40Z

← Version précédente		Version du 18 avril 2026 à 11:48
Ligne 24 :		Ligne 24 :

	'''layer'''		'''layer'''

			Within a neural network, neurons are generally structured in layers. Although there are neural networks in which all the neurons are interconnected, such as Boltzmann machines, the typical organization of a neural network, also known as the multilayer perceptron of a neural network, consists of a superposition of neuron layers.
			Typically, there are no connections between neurons in the same layer, and connections are only made with neurons in the next layer. In other words, each neuron in a layer is linked to all neurons in the downstream layer, and that layer only.

			We call the input layer the set of input neurons, and the output layer the set of output neurons.

			Intermediate layers have no contact with the outside world and are therefore called hidden layers.

	==Español==		==Español==

Arianne le 8 décembre 2025 à 17:01

2025-12-08T17:01:49Z

← Version précédente		Version du 8 décembre 2025 à 13:01
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Au sein d'un [[réseau neuronal]], les [[Neurone\|neurones]] sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelé [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones ou ''neuron layers'' en anglais.		Au sein d'un [[réseau neuronal]], les [[Neurone artificiel\|neurones artificiels]] sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelé [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones ou ''neuron layers'' en anglais.

	Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.		Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.

Pitpitt : Remplacement de texte : « ==Español== » par « ==Español== Catégorie:es »

2025-09-24T00:57:26Z

Remplacement de texte : « ==Español== » par « ==Español== Catégorie:es »

← Version précédente		Version du 23 septembre 2025 à 20:57
Ligne 26 :		Ligne 26 :

	==Español==		==Español==
			[[Catégorie:es]]

	''''' capa de neuronas '''''		''''' capa de neuronas '''''

Jean-Sébastien Zavalone le 21 juillet 2025 à 19:56

2025-07-21T19:56:24Z

@@ Ligne 24 : / Ligne 24 : @@
 '''layer'''
 ==Sources==
 [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]
-</small><br> {{Modèle:101}}<br>
+</small>
 {{Modèle:GDT}}

Arianne le 14 janvier 2025 à 01:35

2025-01-14T01:35:27Z

← Version précédente		Version du 13 janvier 2025 à 21:35
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Au sein d'un [[réseau neuronal]], les [[Neurone\|neurones]] sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi ~~appelée~~ [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones ou ''neuron layers'' en anglais.		Au sein d'un [[réseau neuronal]], les [[Neurone\|neurones]] sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelé [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones ou ''neuron layers'' en anglais.

	Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.		Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.

Arianne le 12 janvier 2025 à 04:23

2025-01-12T04:23:42Z

← Version précédente		Version du 12 janvier 2025 à 00:23
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Au sein d'un [[réseau neuronal]], les neurones sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[~~Machine de Boltzmann\|~~machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelée [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones (neuron layers).		Au sein d'un [[réseau neuronal]], les [[Neurone\|neurones]] sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelée [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones ou ''neuron layers'' en anglais.

	Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.		Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.

Pitpitt : Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

2024-08-30T22:58:26Z

Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 30 août 2024 à 18:58
Ligne 24 :		Ligne 24 :

	'''layer'''		'''layer'''

	==Sources==		==Sources==
	[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]		[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]

ClaireGorjux le 21 mars 2024 à 23:34

2024-03-21T23:34:10Z

← Version précédente		Version du 21 mars 2024 à 19:34
Ligne 1 :		Ligne 1 :
	==Définition==		==Définition==
	Au sein d'un réseau neuronal, les neurones sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[Machine de Boltzmann\|machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelée [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones (neuron layers).		Au sein d'un [[réseau neuronal]], les neurones sont généralement structurés par couches. Bien qu'il existe des réseaux de neurones dont tous les neurones sont interconnectés, comme les [[Machine de Boltzmann\|machines de Boltzmann]], l'organisation typique d'un réseau de neurones, aussi appelée [[Perceptron multicouche\|architecture multicouche]] d'un réseau de neurones, consiste en une superposition de couches de neurones (neuron layers).

	Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.		Typiquement, il n'y a pas de connexion entre les neurones d'une même couche et les connexions ne se font qu'avec les neurones de la couche suivante. Aussi, chaque neurone d'une couche est lié avec tous les neurones de la couche en aval et celle-ci uniquement.
Ligne 7 :		Ligne 7 :

	==Compléments==		==Compléments==

	Il persiste une certaine confusion quant au nombre de couches d'un réseau de neurones. En raison de leur position, la couche d'entrée (input layer) et la couche de sortie (output layer) d'un réseau de neurones jouent des rôles particuliers, qui sont l'entrée des données et le calcul final du résultat du traitement de ces données par le réseau de neurones.		Il persiste une certaine confusion quant au nombre de couches d'un réseau de neurones. En raison de leur position, la couche d'entrée (input layer) et la couche de sortie (output layer) d'un réseau de neurones jouent des rôles particuliers, qui sont l'entrée des données et le calcul final du résultat du traitement de ces données par le réseau de neurones.

Ligne 14 :		Ligne 13 :
	<!--		<!--
	Ensemble des neurones d'un réseau neuronal qui traite un ensemble de caractéristiques d'entrée, ou le résultat de ces neurones. Également une abstraction dans TensorFlow. Les couches sont des fonctions Python qui prennent des options de Tensors et de configuration en entrée pour générer d'autres Tensors en sortie. Une fois les Tensors nécessaires créés, l'utilisateur peut convertir le résultat en un Estimator via une fonction de modèle. -->		Ensemble des neurones d'un réseau neuronal qui traite un ensemble de caractéristiques d'entrée, ou le résultat de ces neurones. Également une abstraction dans TensorFlow. Les couches sont des fonctions Python qui prennent des options de Tensors et de configuration en entrée pour générer d'autres Tensors en sortie. Une fois les Tensors nécessaires créés, l'utilisateur peut convertir le résultat en un Estimator via une fonction de modèle. -->

	==Français==		==Français==
	'''couche de neurones'''		'''couche de neurones'''
Ligne 26 :		Ligne 26 :

	==Sources==		==Sources==
			[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> {{Modèle:101}}<br>		</small><br> {{Modèle:101}}<br>
	{{Modèle:GDT}}		{{Modèle:GDT}}

Pitpitt : Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

2024-01-29T14:20:40Z

Remplacement de texte : « ↵↵↵==Sources== » par «  ==Sources== »

← Version précédente		Version du 29 janvier 2024 à 10:20
Ligne 24 :		Ligne 24 :

	'''layer'''		'''layer'''


	==Sources==		==Sources==

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T00:55:32Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 27 janvier 2024 à 20:55
Ligne 25 :		Ligne 25 :
	'''layer'''		'''layer'''

	~~<small>~~
			==Sources==

	[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]		[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]