« Machine à apprentissage extrême » : différence entre les versions


(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Extreme learning machine''' Extreme learning machines are feedforwa... »)
 
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(35 versions intermédiaires par 5 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
La machine à apprentissage extrême est une architecture non-bouclée de réseau de neurones avec une unique couche cachée de neurones (genre perceptron) qui sont connectés aux entrées par des poids aléatoires non entraînés. Les poids de sortie sont calculés directement (sans itération) et analytiquement.


== Définition ==
==Compléments==
XXXXXXXXX
Le calcul analytique des poids de sortie utilise une matrice pseudo-inverse de Moore-Penrose. Il s'agit donc d'un calcul linéaire non itératif pour les poids de sortie ce qui accélère grandement le temps de calcul, car il n'y a pas de dépendance entre les poids d'entrée et de sortie comme dans la procédure d'entraînement par rétropropagation.
 
L'architecture initiale qui ne comprenait qu'une seule couche cachée a été étendue à des réseaux multicouches.
 
La machine à apprentissage extrême est un sujet controversé sur le plan de l'appellation « extrême » et de la réinvention de principes scientifiques sans citer les sources des travaux antérieurs. Notons que cette architecture n'est pas d'usage répandu en 2022 alors qu'elle a été inventée vers 2005. 


== Français ==
== Français ==
''' XXXXXXXXX '''
'''machine à apprentissage extrême'''
 
'''machine d'apprentissage extrême'''
 
'''réseau de neurones à apprentissage extrême'''
 
'''réseau neuronal à apprentissage extrême'''


== Anglais ==
== Anglais ==
''' Extreme learning machine'''
'''extreme learning machine'''


Extreme learning machines are feedforward neural networks for classification, regression, clustering, sparse approximation, compression and feature learning with a single layer or multiple layers of hidden nodes, where the parameters of hidden nodes (not just the weights connecting inputs to hidden nodes) need not be tuned. These hidden nodes can be randomly assigned and never updated (i.e. they are random projection but with nonlinear transforms), or can be inherited from their ancestors without being changed. In most cases, the output weights of hidden nodes are usually learned in a single step, which essentially amounts to learning a linear model. The name "extreme learning machine" (ELM) was given to such models by its main inventor Guang-Bin Huang.
'''ELM'''
<small>
 
 
==Sources==


[https://en.wikipedia.org/wiki/Extreme_learning_machine Source : Wikipedia  Machine Learning ]
[https://en.wikipedia.org/wiki/Extreme_learning_machine Source : Wikipedia  Machine Learning ]


[https://www.sciencedirect.com/science/article/pii/S0925231206000385?casa_token=kZ8XoBe9Yg0AAAAA:Q4EcGT2YjW3MIoCIhO_nP_lAy6u1d3R48EWEJxPCQM0rsOwKT6x8IolXVJt2TmaZKzgVU49kN_GS  Source : ''Extreme learning machine: Theory and applications'']
[https://definir-tech.com/machine-dapprentissage-extreme-orme/  Source : Definir-tech.com ]


[[Catégorie:vocabulary]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Wikipedia-IA‎]]

Dernière version du 28 janvier 2024 à 10:03

Définition

La machine à apprentissage extrême est une architecture non-bouclée de réseau de neurones avec une unique couche cachée de neurones (genre perceptron) qui sont connectés aux entrées par des poids aléatoires non entraînés. Les poids de sortie sont calculés directement (sans itération) et analytiquement.

Compléments

Le calcul analytique des poids de sortie utilise une matrice pseudo-inverse de Moore-Penrose. Il s'agit donc d'un calcul linéaire non itératif pour les poids de sortie ce qui accélère grandement le temps de calcul, car il n'y a pas de dépendance entre les poids d'entrée et de sortie comme dans la procédure d'entraînement par rétropropagation.

L'architecture initiale qui ne comprenait qu'une seule couche cachée a été étendue à des réseaux multicouches.

La machine à apprentissage extrême est un sujet controversé sur le plan de l'appellation « extrême » et de la réinvention de principes scientifiques sans citer les sources des travaux antérieurs. Notons que cette architecture n'est pas d'usage répandu en 2022 alors qu'elle a été inventée vers 2005.

Français

machine à apprentissage extrême

machine d'apprentissage extrême

réseau de neurones à apprentissage extrême

réseau neuronal à apprentissage extrême

Anglais

extreme learning machine

ELM


Sources

Source : Wikipedia Machine Learning

Source : Extreme learning machine: Theory and applications

Source : Definir-tech.com