« Fonction exponentielle normalisée » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
== Domaine == | == Domaine == | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
| Ligne 10 : | Ligne 9 : | ||
== Définition == | == Définition == | ||
Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction. | Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction. | ||
== Français == | == Français == | ||
'''fonction exponentielle normalisée''' | '''fonction exponentielle normalisée''' | ||
'''fonction softmax''' | '''fonction softmax''' | ||
== Anglais == | |||
'''softmax''' | |||
'''full softmax ''' | |||
| Ligne 25 : | Ligne 26 : | ||
Source: Azencott, Chloé-Agathe (2018). Introduction au Machine Learning, Paris, Dunod, 240 pages. | Source: Azencott, Chloé-Agathe (2018). Introduction au Machine Learning, Paris, Dunod, 240 pages. | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ] | [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary ] | ||
Version du 15 juin 2019 à 20:33
Domaine
Apprentissage profond
Définition
Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction.
Français
fonction exponentielle normalisée
fonction softmax
Anglais
softmax
full softmax
Source : Droniou, Alain (2015). Apprentissage de représentations et robotique développementale : quelques apports de
l’apprentissage profond pour la robotique autonome, thèse de doctorat, Université Pierre et Marie
Curie - Paris VI, 201 pages.
Source: Azencott, Chloé-Agathe (2018). Introduction au Machine Learning, Paris, Dunod, 240 pages.
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki, Robert Meloche
