« Rétropropagation » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (12 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
La rétropropagation est une méthode qui permet aux | La rétropropagation est une méthode qui permet aux [[Réseau de neurones artificiels|réseaux de neurones artificiels]] d’apprendre. Plus précisément, la rétropropagation des erreurs est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones d’apprendre à partir de ses erreurs. | ||
L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie. | L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie. | ||
| Ligne 8 : | Ligne 8 : | ||
Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance 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. | Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance 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. | ||
Voir aussi: | |||
*'''[[Rétropropagation du gradient]]''' | |||
*'''[[Rétropropagation récurrente d'Almeida-Pineda|Rétropropagation récurrente d'Almeida-Pineda]]''' | |||
*'''[[Rétropropagation à travers le temps]]''' | |||
==Français== | ==Français== | ||
'''rétropropagation''' | '''rétropropagation''' | ||
'''rétropropagation des erreurs''' | |||
'''rétropropagation de l'erreur''' | '''rétropropagation de l'erreur''' | ||
| Ligne 29 : | Ligne 39 : | ||
'''feedback propagation''' | '''feedback propagation''' | ||
==Sources== | |||
[http://www.lavery.ca/FTP/publication/laboratoire-intelligence-artificielle-lexiqueFR.html#p=9 ''Source: Lavery.ca.''] | [http://www.lavery.ca/FTP/publication/laboratoire-intelligence-artificielle-lexiqueFR.html#p=9 ''Source: Lavery.ca.''] | ||
| Ligne 35 : | Ligne 45 : | ||
[https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''.] | [https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''.] | ||
</small><br> | </small><br> {{Modèle:101}}<br> | ||
{{Modèle:GDT}} | |||
[[Catégorie:GDT]] | [[Catégorie:GDT]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
Dernière version du 28 janvier 2024 à 12:09
Définition
La rétropropagation est une méthode qui permet aux réseaux de neurones artificiels d’apprendre. Plus précisément, la rétropropagation des erreurs est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones d’apprendre à partir de ses erreurs.
L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie.
Compléments
On soumet des données à un réseau de neurones et on lui indique ses bonnes et ses mauvaises réponses. Cette méthode permet d’augmenter le poids relatif des neurones correspondant aux bonnes réponses ou de réduire le poids relatif des neurones correspondant aux mauvaises réponses.
Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance 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.
Voir aussi:
Français
rétropropagation
rétropropagation des erreurs
rétropropagation de l'erreur
rétropropagation d'erreurs
rétropropagation des erreurs
Anglais
backpropagation
error backpropagation
error feedback propagation
feedback propagation
Sources
Source: Google, Machine learning glossary.
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Claude Coulombe, Jacques Barolet, wiki, Robert Meloche
