« Extinction de neurone » : différence entre les versions

Dernière version du 19 novembre 2024 à 15:07

Définition

Technique de régularisation dont le principe est de désactiver aléatoirement à chaque itération un certain pourcentage des neurones d’une couche afin d'éviter le surajustement.

Français

extinction de neurone

régularisation par extinction de neurone

régularisation dropout

décrochage

abandon

Anglais

dropout

Sources

Source: Claude Coulombe, Datafranca.org

Source: Termino

Source: Wikipédia

@@ Ligne 1 : / Ligne 1 : @@
-==Domaine==
+==Définition==
-[[Category:Vocabulaire]]<br/>
+Technique de [[régularisation]] dont le principe est de désactiver aléatoirement à chaque itération un certain pourcentage des neurones d’une couche afin d'éviter le surajustement.
-[[Category:Intelligence artificielle]]Intelligence artificielle<br/>
-[[Category:Apprentissage automatique]] Apprentissage automatique<br/>
-[[Category:Apprentissage profond]] Apprentissage profond<br/>
-[[Category:Coulombe]]<br/>
-[[Category:Termino 2019]]
-[[Category:Scotty]]
+==Français==
+'''extinction de neurone'''
-==Définition==
+'''régularisation par extinction de neurone'''
-Technique de régularisation dont le principe est de désactiver aléatoirement à chaque itération un certain pourcentage des neurones d’une couche afin d'éviter le surajustement.
+'''régularisation dropout'''
+'''décrochage'''
+'''abandon'''
-<br/>
+==Anglais==
+'''dropout'''
-==Français==
+==Sources==
-'''extinction de neurone'''
-<poll>
+[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]
-Choisissez parmi ces termes proposés :
-extinction de neurone
-maille de réseau
-point mort
-trou de neurone
-trou de mémoire
-trou de réseau
-</poll>
-<br />
-<br />
-==Anglais==
+[[Utilisateur:Patrickdrouin  | Source: Termino]]
-'''dropout'''
+[https://fr.wikipedia.org/wiki/Abandon_(r%C3%A9seaux_neuronaux) Source: Wikipédia]
-Dropout is a regularization technique for Neural Networks that prevents overfitting. It prevents neurons from co-adapting by randomly setting a fraction of them to 0 at each training iteration. Dropout can be interpreted in various ways, such as randomly sampling from an exponential number of different networks. Dropout layers first gained popularity through their use in CNNs, but have since been applied to other layers, including input embeddings or recurrent networks.
+[[Category:Intelligence artificielle]]
+[[Category:Apprentissage automatique]]
+[[Category:Apprentissage profond]]
-<br />
+[[Category:GRAND LEXIQUE FRANÇAIS]]
-<br />
-<br />
-<br />
-<br />

« Extinction de neurone » : différence entre les versions