« Apprentissage bayésien » : différence entre les versions

Dernière version du 30 août 2024 à 13:49

Définition

L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir apprentissage supervisé). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs. Une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant.

Français

apprentissage bayésien

apprentissage profond bayésien

Anglais

Bayesian learning

Bayesian deep learning

Sources

Source: Francis Tseng, Bayesian learning.

@@ Ligne 1 : / Ligne 1 : @@
-[[Catégorie:Termium]]
-[[Catégorie:Intelligence artificielle]]
-[[Catégorie:Apprentissage profond]]
-[[Catégorie:Vocabulaire]]
-[[Catégorie:Scotty]]
 ==Définition==
-L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir [[Apprentissage supervisé]]). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs - une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant.
+L'apprentissage automatique bayésien est un ensemble particulier d'approches de l'apprentissage automatique probabiliste (pour d'autres modèles probabilistes, voir '''[[apprentissage supervisé]]'''). L'apprentissage bayésien traite les paramètres du modèle comme des variables aléatoires - dans l'apprentissage bayésien, l'estimation des paramètres revient à calculer les distributions postérieures de ces variables aléatoires en fonction des données observées. L'apprentissage bayésien implique généralement des modèles génératifs. Une exception notable est la régression linéaire bayésienne, qui est un modèle discriminant.
-L'interaction entre les méthodes bayésiennes et l'apprentissage en profondeur est omniprésente. Les modèles bayésiens propres et bien formulés utilisent des éléments d'apprentissage en profondeur en tant qu '« approximateurs de fonctions universelles » (apprentissage profond bayésien) et les réseaux de neurones profonds sont complétés d'éléments de la théorie des probabilités (apprentissage profond bayésien)
 ==Français==
 '''apprentissage bayésien '''
 '''apprentissage profond bayésien '''
 ==Anglais==
@@ Ligne 22 : / Ligne 11 : @@
 '''Bayesian deep learning '''
+==Sources==
+[https://frnsys.com/ai_notes/machine_learning/bayesian_learning.html  Source: Francis Tseng, ''Bayesian learning''. ]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
-<small>
-[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=Apprentissage+bay%C3%A9sien&index=frt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
-[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=Apprentissage+profond+bay%C3%A9sien&index=frt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]

« Apprentissage bayésien » : différence entre les versions