« Réseau d'inférence » : différence entre les versions


(Page créée avec « == en construction == == Définition == XXXXXXXX == Français == ''' XXXXXX''' == Anglais == ''' Inference Network''' ''Note that the inference network is an approximation: it is a common misunderstanding that the inference network produces a more expressive variational model. The inference network restricts the size of parameters, meaning it can only do as well as an approximation as the original variational distribution without the inference network.'' ==... »)
 
Aucun résumé des modifications
 
(6 versions intermédiaires par un autre utilisateur non affichées)
Ligne 1 : Ligne 1 :
== en construction ==
== Définition ==
Le réseau d'inférence désigne une construction flexible pour paramétrer des distributions approximatives lors de l'inférence et il remplace les paramètres variationnels locaux par des paramètres globaux. Elle restreint la taille des paramètres, en d'autres termes, c'est une approximation, ce qui signifie qu'elle ne peut faire une aussi bonne approximation que la distribution variationnelle originale sans le réseau d'inférence.
 
Voir aussi '''[[autoencodeur variationnel]]''', '''[[borne inférieure variationnelle]]''', '''[[machine de Boltzmann]]''', '''[[machine de Helmholtz]]''' et '''[[méthode bayésienne variationnelle]]'''


== Définition ==
== Compléments ==
XXXXXXXX
Attention! Il courant de croire que le réseau d'inférence produit un modèle variationnel plus expressif, cependant, ce n'est pas le cas.


== Français ==
== Français ==
''' XXXXXX'''
''' réseau d'inférence'''


== Anglais ==
== Anglais ==
''' Inference Network'''
''' inference network'''
 
''Inference network is a flexible construction for parametrizing approximating distributions during the inference and it replaces the local variational parameters with global parameters. It restricts the size of the parameters, in other words, it is an approximation, which means that it can only do as well as an approximation as the original variational distribution without the inference network.''


''Note that the inference network is an approximation: it is a common misunderstanding that the inference network produces a more expressive variational model. The inference network restricts the size of parameters, meaning it can only do as well as an approximation as the original variational distribution without the inference network.''
''It is a common misunderstanding that the inference network produces a more expressive variational model.''


== Source ==
== Source ==
Ligne 16 : Ligne 21 :
[https://edwardlib.org/tutorials/inference-networks  Source : edwardlib.org]
[https://edwardlib.org/tutorials/inference-networks  Source : edwardlib.org]


[[Catégorie:vocabulary]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 22 novembre 2024 à 18:27

Définition

Le réseau d'inférence désigne une construction flexible pour paramétrer des distributions approximatives lors de l'inférence et il remplace les paramètres variationnels locaux par des paramètres globaux. Elle restreint la taille des paramètres, en d'autres termes, c'est une approximation, ce qui signifie qu'elle ne peut faire une aussi bonne approximation que la distribution variationnelle originale sans le réseau d'inférence.

Voir aussi autoencodeur variationnel, borne inférieure variationnelle, machine de Boltzmann, machine de Helmholtz et méthode bayésienne variationnelle

Compléments

Attention! Il courant de croire que le réseau d'inférence produit un modèle variationnel plus expressif, cependant, ce n'est pas le cas.

Français

réseau d'inférence

Anglais

inference network

Inference network is a flexible construction for parametrizing approximating distributions during the inference and it replaces the local variational parameters with global parameters. It restricts the size of the parameters, in other words, it is an approximation, which means that it can only do as well as an approximation as the original variational distribution without the inference network.

It is a common misunderstanding that the inference network produces a more expressive variational model.

Source

Source : edwardlib.org

Contributeurs: Arianne , wiki