« Sous-échantillonnage » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « Category:Termino 2019 » par « ») |
||
| (5 versions intermédiaires par 3 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l'échantillon) par une valeur unique calculée à partir des valeurs de l'échantillon selon une règle prédéterminée. | Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l''''[[échantillon]]''') par une valeur unique calculée à partir des valeurs de l'échantillon selon une règle prédéterminée. | ||
Cette règle à la base du sous-échantillonnage peut être de différentes natures, mais les types les plus utilisés sont le [[sous-échantillonnage par valeur maximale| | Cette règle à la base du sous-échantillonnage peut être de différentes natures, mais les types les plus utilisés sont le [[sous-échantillonnage par valeur maximale|'''sous-échantillonnage par valeur maximale''']] ''(max pooling)'' et le [[sous-échantillonnage par valeur moyenne|'''sous-échantillonnage par valeur moyenne''']] ''(average pooling)''. | ||
== Compléments == | == Compléments == | ||
En vision artificielle, cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs visuels tout en réduisant la dimension des données. | En vision artificielle, cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs visuels tout en réduisant la dimension des données. | ||
Voir '''[[Couche de sous-échantillonnage]]''' | |||
==Français== | ==Français== | ||
| Ligne 24 : | Ligne 25 : | ||
'''resampling''' | '''resampling''' | ||
==Sources== | |||
[https://stanford.edu/~shervine/l/fr/teaching/cs-230/pense-bete-reseaux-neurones-convolutionnels Source : Amidi, Shervine et Afshine Amidi, ''Pense-bête de réseaux de neurones convolutionnels''.] | |||
Source: Google, '' Machine learning glossary''. | [https://developers.google.com/machine-learning/glossary?hl=fr Source : Google, ''Machine learning glossary''.] | ||
Source: Goodfellow, Bengio, Courville p.344, ''L'Apprentissage profond''. | Source : Goodfellow, Bengio, Courville p.344, ''L'Apprentissage profond''. | ||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 11 octobre 2024 à 08:31
Définition
Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l'échantillon) par une valeur unique calculée à partir des valeurs de l'échantillon selon une règle prédéterminée.
Cette règle à la base du sous-échantillonnage peut être de différentes natures, mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale (max pooling) et le sous-échantillonnage par valeur moyenne (average pooling).
Compléments
En vision artificielle, cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs visuels tout en réduisant la dimension des données.
Voir Couche de sous-échantillonnage
Français
sous-échantillonnage
ré-échantillonnage
rééchantillonnage
mise en commun
Anglais
pooling
subsampling
resampling
Sources
Source : Amidi, Shervine et Afshine Amidi, Pense-bête de réseaux de neurones convolutionnels.
Source : Google, Machine learning glossary.
Source : Goodfellow, Bengio, Courville p.344, L'Apprentissage profond.
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki
