« Réseau de neurones à rétropropagation » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
(5 versions intermédiaires par 2 utilisateurs non affichées) | |||
Ligne 1 : | Ligne 1 : | ||
== Définition == | |||
Type de [[réseau de neurones]] basé sur la méthode de descente du gradient, qui tente de réduire au minimum l’erreur du réseau en abaissant le gradient de la courbe d'erreur. | |||
Celui-ci se construit par apprentissage itératif : pour une entrée, la sortie donnée par le réseau est comparée à la sortie attendue. La différence obtenue est alors propagée depuis les nœuds de sortie vers l’entrée en ajustant successivement les [[pondération|coefficients de pondération]] de chaque nœud. | |||
== | == Français == | ||
'''réseau de neurones à rétropropagation''' | |||
'''réseau neuronal de rétropropagation''' | '''réseau neuronal de rétropropagation''' | ||
'''réseau de neurones à propagation arrière''' | |||
== Anglais == | == Anglais == | ||
'''back-propagation neural network''' | '''back-propagation neural network''' | ||
'''BPNN''' | |||
==Sources== | |||
Source : | [https://hal.archives-ouvertes.fr/tel-01762795/document Source : Rima Daoudi-Dabladji. ''Classification du cancer du sein par des approches basées sur les systèmes immunitaires artificiels''. Traitement du signal et de l’image. Université Paris-Saclay; Université d’Evry-Val-d’Essonne, 2016. Français. NNT : 2016SACLE026ff. tel-01762795 ] | ||
[https://hal.archives-ouvertes.fr/hal-01551797/file/AIP_Colloque2017_Vers_un_pilotage_de_la_qualite_des_pieces_injectees.pdf Source : Pierre Nagorny, Eric Pairel, Maurice Pillet. ''Vers un pilotage de la qualité des pièces injectées''. 15ème Colloque National AIP PRIMECA : ”Concevoir et produire dans les industries du futur”, AIP Primeca, Apr 2017, La Plagne, France. hal-01551797f ] | |||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] |
Dernière version du 28 janvier 2024 à 12:05
Définition
Type de réseau de neurones basé sur la méthode de descente du gradient, qui tente de réduire au minimum l’erreur du réseau en abaissant le gradient de la courbe d'erreur.
Celui-ci se construit par apprentissage itératif : pour une entrée, la sortie donnée par le réseau est comparée à la sortie attendue. La différence obtenue est alors propagée depuis les nœuds de sortie vers l’entrée en ajustant successivement les coefficients de pondération de chaque nœud.
Français
réseau de neurones à rétropropagation
réseau neuronal de rétropropagation
réseau de neurones à propagation arrière
Anglais
back-propagation neural network
BPNN
Sources
Contributeurs: Claire Gorjux, Jean Benoît Morel, wiki