« Préentraînement glouton » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
 
(21 versions intermédiaires par 4 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
== Domaine ==
== Définition ==
[[category:Vocabulaire]]  
[[préentraînement|Préentraînement]] non supervisé au niveau des couches gourmandes est une représentation apprise sur une tâche (apprentissage non supervisé monocouche qui capture la forme de la distribution d'entrée).
[[Catégorie:App-profond-livre]]  
 
<br>
Préentraînement qui utilise des '''[[Algorithmes gloutons]]'''.
<br>
== Description ==
...
<br>
<br>


== Français ==
== Français ==
'''pré-entraînement glouton'''
'''Préentraînement glouton'''  
 
'''Préentraînement gourmand''' 
   
   
<br>
<br>
== Anglais ==
== Anglais ==
'''greedy pre-trainning'''
'''Greedy pre-trainning'''
<br>
 
<br>
==Sources==
[https://www.leslibraires.ca/livres/l-apprentissage-profond-ian-goodfellow-9791097160432.html    Source:L'APPRENTISSAGE PROFOND]
 
<br>
[https://cedar.buffalo.edu/~srihari/CSE676/15.1%20Greedy-Layerwise.pdf  Source : Greedy Layer-wise Unsupervised Pretraining - page 6 ]
<br>
 
[http://jmlr.org/papers/volume10/larochelle09a/larochelle09a.pdf  Source :  Journal of Machine Learning - page 29 ]
 
[https://www.apprentissageprofond.org/  Source : ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 ]
 
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Dernière version du 30 janvier 2024 à 17:13

Définition

Préentraînement non supervisé au niveau des couches gourmandes est une représentation apprise sur une tâche (apprentissage non supervisé monocouche qui capture la forme de la distribution d'entrée).

Préentraînement qui utilise des Algorithmes gloutons.

Français

Préentraînement glouton

Préentraînement gourmand

Anglais

Greedy pre-trainning

Sources

Source : Greedy Layer-wise Unsupervised Pretraining - page 6

Source : Journal of Machine Learning - page 29

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018