« AlexNet » : différence entre les versions

Dernière version du 30 août 2024 à 13:53

Définition

AlexNet est le nom de l'architecture d'un réseau profond de neurones à convolutions qui a remporté l'épreuve ImageNet en 2012.

Conçu par une équipe de l'Université de Toronto dirigée par Geoffrey Hinton, dont faisaient partie Alex Krizhevsky, architecte principal qui lui a donné son nom, et Ilya Sutskever, AlexNet a marqué un point tournant dans l'emploi des réseaux profonds de neurones.

Français

AlexNet nom propre

Anglais

AlexNet

Sources

Source : Claude Coulombe, Datafranca.org

Source : Wikipédia IA, AlexNet

@@ Ligne 1 : / Ligne 1 : @@
-== Domaine ==
-[[category:Vocabulary]]  Vocabulary<br />
-[[Catégorie:Apprentissage profond]] Apprentissage profond
+==Définition==
+AlexNet est le nom de l'architecture d'un [[réseau de neurones profond|réseau profond de neurones]] à [[convolution]]s qui a remporté l'épreuve ImageNet en 2012.
-== Définition ==
+Conçu par une équipe de l'Université de Toronto dirigée par Geoffrey Hinton, dont faisaient partie Alex Krizhevsky, architecte principal qui lui a donné son nom, et Ilya Sutskever, AlexNet a marqué un point tournant dans l'emploi des réseaux profonds de neurones.
+==Français==
+'''AlexNet'''   <small>nom propre </small>
+==Anglais==
+'''AlexNet'''
+==Sources==
+[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca.org]]
-== Français ==
+[https://en.wikipedia.org/wiki/AlexNet Source : Wikipédia IA, ''AlexNet'']
+[[Catégorie:ENGLISH]]
+[[Catégorie:Apprentissage profond]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
-== Anglais ==
-'''Alexnet'''
-Alexnet is the name of the Convolutional Neural Network architecture that won the ILSVRC 2012 competition by a large margin and was responsible for a resurgence of interest in CNNs for Image Recognition. It consists of five convolutional layers, some of which are followed by max-pooling layers, and three fully-connected layers with a final 1000-way softmax. Alexnet was introduced in ImageNet Classification with Deep Convolutional Neural Networks.
-Autoencoder
-An Autoencoder is a Neural Network model whose goal is to predict the input itself, typically through a “bottleneck” somewhere in the network. By introducing a bottleneck, we force the network to learn a lower-dimensional representation of the input, effectively compressing the input into a good representation. Autoencoders are related to PCA and other dimensionality reduction techniques, but can learn more complex mappings due to their nonlinear nature. A wide range of autoencoder architectures exist, including Denoising Autoencoders, Variational Autoencoders, or Sequence Autoencoders.

« AlexNet » : différence entre les versions