« Couche de neurones » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte : « ↵↵==Sources== » par « ==Sources== ») |
||
| (23 versions intermédiaires par 3 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Au sein d'un réseau neuronal, les neurones sont structurés par couches. | 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). | ||
On appelle couche d'entrée l’ensemble des neurones d'entrée et couche de sortie l’ensemble des neurones de sortie. Les couches intermédiaires n'ont pas de contact avec l'extérieur et sont donc nommées couches cachées. | 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. | ||
On appelle couche d'entrée, l’ensemble des neurones d'entrée et couche de sortie, l’ensemble des neurones de sortie. Les couches intermédiaires n'ont pas de contact avec l'extérieur et sont donc nommées couches cachées. | |||
==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. | |||
Entre la couche d'entrée et de sortie se trouvent les couches cachées de neurones (hidden layers), c'est là où se fait la plus grande partie du traitement des données. C'est le nombre de couches cachées qui définit la profondeur d'un réseau de neurones. | |||
<!-- | <!-- | ||
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''' | |||
'''couche''' | |||
==Anglais== | ==Anglais== | ||
'''neuron layer''' | |||
'''layer''' | |||
==Sources== | |||
[https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary] | |||
</small><br> {{Modèle:101}}<br> | |||
{{Modèle:GDT}} | |||
[[Catégorie:GDT]] | |||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[ | [[Catégorie:101]] | ||
Dernière version du 30 août 2024 à 17:58
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 machines de Boltzmann, l'organisation typique d'un réseau de neurones, aussi appelée 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.
On appelle couche d'entrée, l’ensemble des neurones d'entrée et couche de sortie, l’ensemble des neurones de sortie. Les couches intermédiaires n'ont pas de contact avec l'extérieur et sont donc nommées couches cachées.
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.
Entre la couche d'entrée et de sortie se trouvent les couches cachées de neurones (hidden layers), c'est là où se fait la plus grande partie du traitement des données. C'est le nombre de couches cachées qui définit la profondeur d'un réseau de neurones.
Français
couche de neurones
couche
Anglais
neuron layer
layer
Sources
Source : Google machine learning glossary
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Claire Gorjux, Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
