« Réseau de croyances profond » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (8 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
En apprentissage automatique, un réseau de croyances profond (''Deep Belief Network'' - DBN) ou une machine de | En apprentissage automatique, un réseau de croyances profond (''Deep Belief Network'' - DBN) ou une machine de Boltzmann profonde est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, constitué de [[Machine de Boltzmann restreinte|machines de Boltzmann restreintes]]. | ||
Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification. | Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification. | ||
<!-- | |||
==Compléments== | ==Compléments== | ||
En intelligence artificielle, [[graphe acyclique]] orienté dans lequel les nœuds représentent des [[variable]]s, les arcs représentent des dépendances directes entre les variables liées, et la force de ces dépendances sont quantifiés par des [[probabilité conditionnelle|probabilités conditionnelles]]. | En intelligence artificielle, [[graphe acyclique]] orienté dans lequel les nœuds représentent des [[variable]]s, les arcs représentent des dépendances directes entre les variables liées, et la force de ces dépendances sont quantifiés par des [[probabilité conditionnelle|probabilités conditionnelles]]. | ||
à valider... | à valider... | ||
--> | |||
==Français== | ==Français== | ||
| Ligne 16 : | Ligne 16 : | ||
'''réseau de croyances''' | '''réseau de croyances''' | ||
'''machine de | '''machine de Boltzmann profonde''' | ||
'''machine boltzmannienne profonde''' | '''machine boltzmannienne profonde''' | ||
'''réseau de Boltzmann profond''' | '''réseau de Boltzmann profond''' | ||
==Anglais== | ==Anglais== | ||
| Ligne 30 : | Ligne 28 : | ||
'''DBN''' | '''DBN''' | ||
'''Deep Boltzmann Machine''' | |||
'''DBM''' | |||
==Sources== | |||
[https://fr.qwerty.wiki/wiki/Deep_belief_network Source: Qwerty wiki, ''Deep belief network.''] | [https://fr.qwerty.wiki/wiki/Deep_belief_network Source: Qwerty wiki, ''Deep belief network.''] | ||
| Ligne 39 : | Ligne 41 : | ||
[https://fr.qwe.wiki/wiki/Deep_belief_network Source :qwe ]] | [https://fr.qwe.wiki/wiki/Deep_belief_network Source :qwe ]] | ||
[https://www.analyticsvidhya.com/blog/2022/03/an-overview-of-deep-belief-network-dbn-in-deep-learning/ Source :analyticsvidhya ] | |||
Note: '''réseau de croyances profond''' désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada. | Note: '''réseau de croyances profond''' désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada. | ||
Dernière version du 28 janvier 2024 à 12:21
Définition
En apprentissage automatique, un réseau de croyances profond (Deep Belief Network - DBN) ou une machine de Boltzmann profonde est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, constitué de machines de Boltzmann restreintes.
Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification.
Français
réseau de croyances profond
réseau de croyances
machine de Boltzmann profonde
machine boltzmannienne profonde
réseau de Boltzmann profond
Anglais
Deep Belief Network
DBN
Deep Boltzmann Machine
DBM
Sources
Source: Qwerty wiki, Deep belief network.
Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.
Note: réseau de croyances profond désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada.
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
