« Rétropropagation » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
La rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un '''[[Réseau de neurones artificiels|réseau de neurones artificiels]]''' d’apprendre. L'idée générale est de propager l'erreur de la sortie vers l’arrière du réseau de neurones afin d'ajuster les poids (paramètres) et d’ainsi minimiser l’erreur de sortie. | |||
Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une erreur positive en sortie implique une réduction du poids de l'entrée. Une erreur négative en sortie implique une augmentation du poids de l'entrée. Un raffinement à cette approche consiste à corriger la pondération proportionnellement à la valeur de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante. | |||
==Compléments== | |||
La rétropropagation est une méthode qui permet aux réseaux de neurones d’apprendre. Plus spécifiquement, si l’on soumet des données à un réseau de neurones et qu’on lui indique les résultats désirables et indésirables, cette méthode permet d’augmenter ou de réduire le poids relatif à accorder aux neurones correspondant aux résultats désirables. C’est donc une méthode qui permet à un réseau de neurones d’apprendre à distinguer une bonne d’une mauvaise réponse. | La rétropropagation est une méthode qui permet aux réseaux de neurones d’apprendre. Plus spécifiquement, si l’on soumet des données à un réseau de neurones et qu’on lui indique les résultats désirables et indésirables, cette méthode permet d’augmenter ou de réduire le poids relatif à accorder aux neurones correspondant aux résultats désirables. C’est donc une méthode qui permet à un réseau de neurones d’apprendre à distinguer une bonne d’une mauvaise réponse. | ||
| Ligne 5 : | Ligne 9 : | ||
==Français== | ==Français== | ||
''' rétropropagation | '''rétropopagation''' | ||
'''rétropropagation de l'erreur''' | |||
'''rétropropagation d'erreurs''' | |||
''' rétropropagation | '''rétropropagation des erreurs''' | ||
==Anglais== | ==Anglais== | ||
Version du 15 août 2022 à 00:14
Définition
La rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones artificiels d’apprendre. L'idée générale est de propager l'erreur de la sortie vers l’arrière du réseau de neurones afin d'ajuster les poids (paramètres) et d’ainsi minimiser l’erreur de sortie. Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une erreur positive en sortie implique une réduction du poids de l'entrée. Une erreur négative en sortie implique une augmentation du poids de l'entrée. Un raffinement à cette approche consiste à corriger la pondération proportionnellement à la valeur de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante.
Compléments
La rétropropagation est une méthode qui permet aux réseaux de neurones d’apprendre. Plus spécifiquement, si l’on soumet des données à un réseau de neurones et qu’on lui indique les résultats désirables et indésirables, cette méthode permet d’augmenter ou de réduire le poids relatif à accorder aux neurones correspondant aux résultats désirables. C’est donc une méthode qui permet à un réseau de neurones d’apprendre à distinguer une bonne d’une mauvaise réponse.
voir Rétropropagation
Français
rétropopagation
rétropropagation de l'erreur
rétropropagation d'erreurs
rétropropagation des erreurs
Anglais
error back propagation
error feedback propagation
feedback propagation
Source: Google, Machine learning glossary.
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
