« Arrêt prématuré » : différence entre les versions
m (Remplacement de texte — « Catégorie:Coulombe2 » par « <!-- Coulombe --> ») |
m (Remplacement de texte : « ↵↵↵ » par « ») |
||
| (12 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Méthode de régularisation qui implique d'interrompre l'entraînement d'un modèle d'apprentissage lorsque la perte d'un ensemble de données de validation commence à augmenter et que les performances de généralisation se dégradent. | Méthode de régularisation qui implique d'interrompre l'entraînement d'un modèle d'apprentissage lorsque la perte d'un ensemble de données de validation commence à augmenter et que les performances de généralisation se dégradent. | ||
==Français== | ==Français== | ||
'''arrêt prématuré''' | '''arrêt prématuré''' | ||
'''arrêt précoce''' | '''arrêt précoce''' | ||
==Anglais== | ==Anglais== | ||
'''early stopping''' | '''early stopping''' | ||
==Sources== | |||
Source: Google, [https://developers.google.com/machine-learning/crash-course/glossary?hl=fr#o ''Glossaire du machine learning'', consulté le 20 mai 2019 ] | |||
Source: Toukourou, Mohamed Samir (2009). ''Application de l'apprentissage artificiel à la prévision des crues éclair, thèse de doctorat'', École Nationale Supérieure des Mines de Paris, 183 pages. | |||
Source : Toukourou, Mohamed Samir (2009). ''Application de l'apprentissage artificiel à la prévision des crues éclair, thèse de doctorat'', École Nationale Supérieure des Mines de Paris, 183 pages. | |||
Source: Johannet, Anne (2011). ''Modélisation par apprentissage statistique des systèmes naturels, ou en interaction avec un environnement naturel. Applications aux karsts, crues éclair et en robotique, habilitation à diriger des thèses'', Université Pierre et Marie Curie, 84 pages. | Source: Johannet, Anne (2011). ''Modélisation par apprentissage statistique des systèmes naturels, ou en interaction avec un environnement naturel. Applications aux karsts, crues éclair et en robotique, habilitation à diriger des thèses'', Université Pierre et Marie Curie, 84 pages. | ||
| Ligne 30 : | Ligne 19 : | ||
Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages. | Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages. | ||
[[Utilisateur:Patrickdrouin | Source : Termino ]] | [[Utilisateur:Patrickdrouin | Source: Termino ]] | ||
[[Catégorie:Apprentissage profond]] | |||
[[Catégorie:Intelligence artificielle]] | |||
[[Catégorie:Termino 2019]] | |||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
Dernière version du 29 janvier 2024 à 10:21
Définition
Méthode de régularisation qui implique d'interrompre l'entraînement d'un modèle d'apprentissage lorsque la perte d'un ensemble de données de validation commence à augmenter et que les performances de généralisation se dégradent.
Français
arrêt prématuré
arrêt précoce
Anglais
early stopping
Sources
Source: Google, Glossaire du machine learning, consulté le 20 mai 2019
Source: Toukourou, Mohamed Samir (2009). Application de l'apprentissage artificiel à la prévision des crues éclair, thèse de doctorat, École Nationale Supérieure des Mines de Paris, 183 pages.
Source: Johannet, Anne (2011). Modélisation par apprentissage statistique des systèmes naturels, ou en interaction avec un environnement naturel. Applications aux karsts, crues éclair et en robotique, habilitation à diriger des thèses, Université Pierre et Marie Curie, 84 pages.
Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.
Contributeurs: Jacques Barolet, Patrick Drouin, wiki
