« Décomposition parcimonieuse prévisionnelle » : différence entre les versions


Aucun résumé des modifications
(Annulation des modifications 33708 de Sihem (discussion))
Balise : Annulation
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Les décompositions parcimonieuses prévisionnelles sont des méthodes d’apprentissage non supervisées qui apprennent une représentation parcimonieuse (clairsemée) des données. Ce modèle est similaire aux modèles de codage parcimonieux avec une représentation qui peut être prédite soit par une approximation non linéaire, soit par une méthode d’inférence optimale.
Les décompositions parcimonieuses prévisionnelles sont des méthodes d’apprentissage non supervisées qui apprennent une représentation parcimonieuse (clairsemée) des données. Ce modèle est similaire aux modèles de codage parcimonieux avec une représentation qui peut être prédite soit par un approximation non linéaire, soit par une méthode d’inférence optimale.
 


== Français ==
== Français ==

Version du 4 janvier 2021 à 09:49

Définition

Les décompositions parcimonieuses prévisionnelles sont des méthodes d’apprentissage non supervisées qui apprennent une représentation parcimonieuse (clairsemée) des données. Ce modèle est similaire aux modèles de codage parcimonieux avec une représentation qui peut être prédite soit par un approximation non linéaire, soit par une méthode d’inférence optimale.

Français

Décomposition parcimonieuse prévisionnelle

Anglais

predictive sparse decomposition


Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 521

Source :samira shabanian

Contributeurs: Imane Meziani, wiki, Sihem Kouache