« Machine de Boltzmann restreinte » : différence entre les versions


(nouveau terme)
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
 
(41 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Domaine ==
==Définition==
[[Category:Vocabulary]]<br>
'''[[Machine de Boltzmann]]''' dont les connexions sont restreintes aux seules connexions entre neurones des couches cachées et les neurones des couches visibles pour des raisons d'efficacité de l'entraînement.
[[Category:Intelligence artificielle]]Intelligence artificielle<br>
[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br>
[[Catégorie:Réseau de neurones artificiels]]Réseau de neurones artificiels<br>
[[Catégorie:Apprentissage profond]]Apprentissage profond<br>
[[Category:Coulombe]]Coulombe<br>
[[Catégorie:Scotty]]<br>


== Définition ==
Note : une machine de Boltzmann restreinte est un algorithme utilisé pour la réduction de la dimensionnalité, la classification, la régression, le filtrage collaboratif, l'apprentissage de fonctionnalités et l'apprentissage de mots clés.  
Une machine de Boltzmann restreinte (MBR) est une machine de Boltzmann dont les connexions sont restreintes aux seules connexions entre unités (ou neurones) des couches cachées et les unités (ou neurones) des couches visibles pour des raisons d'efficacité de l'entraînement. Rappelons que la machine de Boltzmann est une architecture de réseau de neurones inventée par Geoffrey Hinton et Terrence Sejnowski en 1985 pour créer des modèles génératifs capables d'apprendre la distribution de probabilités d'un jeu de données d'entraînement. Il est possible d'empiler plusieurs couches de machines de Boltzmann restreintes (MBR) pour créer des réseaux profonds qui sont plus performants.  


== Français ==
Il est possible d'empiler plusieurs couches de machines de Boltzmann restreintes pour créer des réseaux profonds qui sont plus performants.   
Machine de Boltzmann restreinte


Source:
==Français==
Géron, A. (2017). ''Deep Learning avec TensorFlow: Mise en oeuvre et cas concrets''. Traduction par Hervé Soulard, Dunod.
'''machine de Boltzmann restreinte'''  
== Anglais ==


'''Restricted Boltzmann Machine (RBN)'''
'''machine boltzmannienne restreinte'''  


RBMs are a type of probabilistic graphical model that can be interpreted as a stochastic artificial neural network. RBNs learn a representation of the data in an unsupervised manner. An RBN consists of visible and hidden layer, and connections between binary neurons in each of these layers. RBNs can be efficiently trained using Contrastive Divergence, an approximation of gradient descent.
==Anglais==
• Chapter 6: Information Processing in Dynamical Systems: Foundations of Harmony Theory
'''restricted Boltzmann machine'''
• An Introduction to Restricted Boltzmann Machines
 
'''RBN'''
 
==Sources==
 
Source : Géron, Aurélien. (2017). ''Deep Learning avec TensorFlow : Mise en oeuvre et cas concrets''. Traduction par Hervé Soulard, Paris, Dunod, 360 pages.
 
[[Utilisateur:Patrickdrouin  | Source: Termino]]
[https://deepai.org/machine-learning-glossary-and-terms/boltzmann-machine  Source :deepai ]
 
[[Category:Intelligence artificielle]]
[[Category:Apprentissage profond]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 27 septembre 2024 à 14:08

Définition

Machine de Boltzmann dont les connexions sont restreintes aux seules connexions entre neurones des couches cachées et les neurones des couches visibles pour des raisons d'efficacité de l'entraînement.

Note : une machine de Boltzmann restreinte est un algorithme utilisé pour la réduction de la dimensionnalité, la classification, la régression, le filtrage collaboratif, l'apprentissage de fonctionnalités et l'apprentissage de mots clés.

Il est possible d'empiler plusieurs couches de machines de Boltzmann restreintes pour créer des réseaux profonds qui sont plus performants.

Français

machine de Boltzmann restreinte

machine boltzmannienne restreinte

Anglais

restricted Boltzmann machine

RBN

Sources

Source : Géron, Aurélien. (2017). Deep Learning avec TensorFlow : Mise en oeuvre et cas concrets. Traduction par Hervé Soulard, Paris, Dunod, 360 pages.

Source: Termino Source :deepai