« Sous-échantillonnage par valeur maximale » : différence entre les versions


m (Remplacement de texte — « Termes privilégiés » par « Français »)
m (Remplacement de texte : « Category:Termino 2019 » par «  »)
 
(54 versions intermédiaires par 5 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Domaine ==
==Définition==
[[Category:Vocabulary]] Vocabulary<br />
Technique de '''[[sous-échantillonnage]]''' qui consiste à remplacer tous les éléments inclus dans une fenêtre d'observation (fenêtre de calcul, ou fenêtre de voisinage) par la valeur maximale parmi tous les éléments dans cette fenêtre. Le sous-échantillonnage par le maximum permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le sous-échantillonnage peut être de différente nature mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale ''(max pooling)'' et le [[sous-échantillonnage par valeur moyenne|'''sous-échantillonnage par valeur moyenne''']] ''(average pooling)''.


[[Catégorie:Apprentissage profond]] Apprentissage profond
==Français==
'''sous-échantillonnage par valeur maximale''' 


== Définition ==
'''sous-échantillonnage par le maximum''' 


==Anglais==
'''max-pooling'''


==Sources==


== Français ==
[https://computersciencewiki.org/index.php/ Source : Computersciencewiki]
<h3><poll>
Choisissez parmi ces termes proposés :
sous-échantillonnage par le maximum
max-pooling
</poll></h3>


== Anglais ==
[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca]]         


[[Utilisateur:Patrickdrouin  | Source : Termino]]


'''Max-Pooling'''
[[Category:Intelligence artificielle]]
[[Catégorie:Apprentissage automatique]]


A pooling operations typically used in Convolutional Neural Networks. A max-pooling layer selects the maximum value from a patch of features. Just like a convolutional layer, pooling layers are parameterized by a window (patch) size and stride size. For example, we may slide a window of size 2×2 over a 10×10 feature matrix using stride size 2, selecting the max across all 4 values within each window, resulting in a new 5×5 feature matrix. Pooling layers help to reduce the dimensionality of a representation by keeping only the most salient information, and in the case of image inputs, they provide basic invariance to translation (the same maximum values will be selected even if the image is shifted by a few pixels). Pooling layers are typically inserted between successive convolutional layers.
[[Catégorie:Apprentissage profond]]
 
[[Category:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 11 octobre 2024 à 08:31

Définition

Technique de sous-échantillonnage qui consiste à remplacer tous les éléments inclus dans une fenêtre d'observation (fenêtre de calcul, ou fenêtre de voisinage) par la valeur maximale parmi tous les éléments dans cette fenêtre. Le sous-échantillonnage par le maximum permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le sous-échantillonnage peut être de différente nature mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale (max pooling) et le sous-échantillonnage par valeur moyenne (average pooling).

Français

sous-échantillonnage par valeur maximale

sous-échantillonnage par le maximum

Anglais

max-pooling

Sources

Source : Computersciencewiki

Source : Claude Coulombe, Datafranca

Source : Termino