« Réseau résiduel profond » : différence entre les versions
(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Deep Residual Network''' Deep network in network (DNIN) model is a... ») |
Aucun résumé des modifications |
||
(2 versions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Le modèle de réseau profond en réseau (DNIN) est une instance efficace et une extension importante du réseau neuronal convolutionnel (CNN) qui consiste en une alternance de couches convolutionnelles et de couches de mise en commun. Dans ce modèle, un perceptron multicouche (MLP), une fonction non linéaire, est exploité pour remplacer le filtre linéaire pour la convolution. L'augmentation de la profondeur du DNIN peut également contribuer à améliorer la précision de la classification, tandis que sa formation devient plus difficile, que le temps d'apprentissage devient plus lent et que la précision devient saturée, puis se dégrade. | |||
== Français == | == Français == | ||
''' | ''' Réseau résiduel profond ''' | ||
== Anglais == | == Anglais == | ||
''' Deep Residual Network''' | ''' Deep Residual Network''' | ||
[https://www.hindawi.com/journals/cin/2021/6659083/ Source : hindawi] | [https://www.hindawi.com/journals/cin/2021/6659083/ Source : hindawi] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
[[Catégorie: |
Dernière version du 14 novembre 2023 à 19:39
Définition
Le modèle de réseau profond en réseau (DNIN) est une instance efficace et une extension importante du réseau neuronal convolutionnel (CNN) qui consiste en une alternance de couches convolutionnelles et de couches de mise en commun. Dans ce modèle, un perceptron multicouche (MLP), une fonction non linéaire, est exploité pour remplacer le filtre linéaire pour la convolution. L'augmentation de la profondeur du DNIN peut également contribuer à améliorer la précision de la classification, tandis que sa formation devient plus difficile, que le temps d'apprentissage devient plus lent et que la précision devient saturée, puis se dégrade.
Français
Réseau résiduel profond
Anglais
Deep Residual Network
Contributeurs: Marie Alfaro, wiki