« Pondération attentionnelle » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
 
(6 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Technique qui permet au modèle d'apprendre si une certaine partie de la séquence d'entrée nécessite une attention particulière.
[[Mécanisme d'attention]] qui attribue un [[poids]] aux différents éléments qui constitue une [[Séquence de mots|séquence]] en fonction de leur importance.


Voir aussi '''[[Mécanisme d'attention]]'''
== Compléments ==
Par exemple, en [[traitement automatique de la langue]], le [[mécanisme d'attention]] attribuera des [[poids]] différents aux mots en fonction des liens entre les mots et de leur différent rôle linguistique.


== Compléments ==
Nous proposons d'adopter le terme ''pondération attentionnelle'' qui est déjà en utilisation dans le domaine de la psychologie pour désigner un concept similaire.  
Nous proposons d'adopter le terme ''pondération attentionnelle'' qui est déjà en utilisation dans le domaine de la psychologie pour désigner un concept similaire.  


== Français ==
== Français ==
''' pondération attentionnelle '''
''' pondération attentionnelle '''
''' pondération de l'attention '''
''' pondération de l'attention '''


== Anglais ==
== Anglais ==
''' Attention-Weighting'''
''' Attention-Weighting'''
'''Attention Weights'''
'''Attention Weights'''


<!-- Attention-weighting is a technique by which the model learns which part of the incoming sequence needs to be focused on. Think of it as the ‘Eye of Sauron’ scanning everything at all times and throwing light on the parts that are relevant.
In natural language processing, this usually means assigning different levels of importance to different words in a sentence. It assigns importance to each word by calculating "soft" weights for the word's numerical representation, known as its embedding, within a specific section of the sentence called the context window to determine its importance. The calculation of these weights can occur simultaneously in models called transformers, or one by one in models known as recurrent neural networks. Unlike "hard" weights, which are predetermined and fixed during training, "soft" weights can -->


== Source ==
== Source ==
[https://doi.org/10.1146/annurev.psych.49.1.585  Source : Goldstone, R. L. (1998). ''Perceptual Learning. Annual Review of Psychology'']
[https://doi.org/10.1146/annurev.psych.49.1.585  Source : Goldstone, R. L. (1998). ''Perceptual Learning. Annual Review of Psychology'']
[https://arxiv.org/pdf/2211.07714  Source : arxiv]
[https://arxiv.org/pdf/2211.07714  Source : arxiv]
[https://en.wikipedia.org/wiki/Attention_(machine_learning)  Source: wiki]
[https://en.wikipedia.org/wiki/Attention_(machine_learning)  Source: wiki]




[[Catégorie:vocabulary]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:101]]

Dernière version du 17 septembre 2024 à 14:15

Définition

Mécanisme d'attention qui attribue un poids aux différents éléments qui constitue une séquence en fonction de leur importance.

Compléments

Par exemple, en traitement automatique de la langue, le mécanisme d'attention attribuera des poids différents aux mots en fonction des liens entre les mots et de leur différent rôle linguistique.

Nous proposons d'adopter le terme pondération attentionnelle qui est déjà en utilisation dans le domaine de la psychologie pour désigner un concept similaire.

Français

pondération attentionnelle

pondération de l'attention

Anglais

Attention-Weighting

Attention Weights


Source

Source : Goldstone, R. L. (1998). Perceptual Learning. Annual Review of Psychology

Source : arxiv

Source: wiki

Contributeurs: Arianne , Patrick Drouin, wiki