« Arrêt prématuré » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :
==Domaine==
[[Catégorie:Coulombe2]]  
[[Catégorie:Coulombe2]]  
[[Category:Apprentissage profond]]Apprentissage profond<br />
[[Category:Apprentissage profond]]
[[Category:Vocabulaire2]]
[[Category:Vocabulaire2]]
[[Category:Intelligence artificielle]]Intelligence artificielle<br />
[[Category:Intelligence artificielle]]
[[Category:Termino 2019]]
[[Category:Termino 2019]]
[[Category:Scotty2]]
[[Category:Scotty2]]
Ligne 18 : Ligne 17 :
==Anglais==
==Anglais==
'''early stopping'''
'''early stopping'''




Ligne 30 : Ligne 31 :


[[Utilisateur:Patrickdrouin  | Source : Termino  ]]
[[Utilisateur:Patrickdrouin  | Source : Termino  ]]
</small>

Version du 17 juin 2019 à 14:20


Définition

Méthode de régularisation qui implique d'interrompre l'entraînement d'un modèle d'apprentissage lorsque la perte d'un ensemble de données de validation commence à augmenter et que les performances de généralisation se dégradent.

Français

arrêt prématuré n.m.

arrêt précoce n.m.

Anglais

early stopping



Source : Google, Glossaire du machine learning, consulté le 20 mai 2019

Source : Toukourou, Mohamed Samir (2009). Application de l'apprentissage artificiel à la prévision des crues éclair, thèse de doctorat, École Nationale Supérieure des Mines de Paris, 183 pages.

Source: Johannet, Anne (2011). Modélisation par apprentissage statistique des systèmes naturels, ou en interaction avec un environnement naturel. Applications aux karsts, crues éclair et en robotique, habilitation à diriger des thèses, Université Pierre et Marie Curie, 84 pages.

Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.

Source : Termino