« Échelonnage des poids » : différence entre les versions

Dernière version du 28 janvier 2024 à 14:19

En apprentissage profond, méthode d'approximation par échantillonnage utilisée en inférence (c.-à-d. après l'étape d'entraînement, donc sur un modèle entraîné) pour tenir compte de l'effet de l'extinction de neurones (dropout) au moment de l'entraînement.

échelonnage des poids

weight scaling

@@ Ligne 1 : / Ligne 1 : @@
 == Définition ==
-En [[apprentissage profond]], méthode d'approximation utilisée en [[inférence]] (c.-à-d. après l'étape d'[[entraînement]], donc sur un [[modèle]] entraîné) pour tenir compte de l'effet de l'[[Extinction de neurone|extinction de neurones]] (dropout) au moment de l'[[entraînement]].
+En [[apprentissage profond]], méthode d'approximation par [[échantillonnage]] utilisée en [[inférence]] (c.-à-d. après l'étape d'[[entraînement]], donc sur un [[modèle]] entraîné) pour tenir compte de l'effet de l'[[Extinction de neurone|extinction de neurones]] (dropout) au moment de l'[[entraînement]].
 == Français ==
@@ Ligne 9 : / Ligne 9 : @@
-<small>
+==Sources==
 [https://www.apprentissageprofond.org/   Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 page 270  ]
-[[Catégorie:Vocabulaire]]
+[https://medium.com/konvergen/understanding-dropout-ddb60c9f98aa  Source : ''Understanding droput'', Roan Gylberth 2019]
-[[Catégorie:App-profond-livre]]
 [[Catégorie:Apprentissage profond]]
-[[Publication]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
 {{DEFAULTSORT: Echelonnage des poids }}