« Fonction exponentielle normalisée » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications |
||
| Ligne 6 : | Ligne 6 : | ||
[[Category: Termino 2019]] | [[Category: Termino 2019]] | ||
== Définition == | ==Définition== | ||
Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction. | Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction. | ||
== Français == | ==Français== | ||
'''fonction exponentielle normalisée''' | '''fonction exponentielle normalisée''' loc. nom. f. | ||
'''fonction softmax''' n.f. | '''fonction softmax''' n.f. | ||
== Anglais == | ==Anglais== | ||
'''softmax''' | '''softmax''' | ||
| Ligne 28 : | Ligne 28 : | ||
Source: Azencott, Chloé-Agathe (2018). ''Introduction au Machine Learning'', Paris, Dunod, 240 pages. | Source: Azencott, Chloé-Agathe (2018). ''Introduction au Machine Learning'', Paris, Dunod, 240 pages. | ||
[https://developers.google.com/machine-learning/glossary/ | [https://developers.google.com/machine-learning/glossary/ Source: ''Google machine learning glossary''] | ||
[https://fr.wikipedia.org/wiki/Fonction_softmax Source: Wikipédia] | [https://fr.wikipedia.org/wiki/Fonction_softmax Source: Wikipédia] | ||
[[Utilisateur:Patrickdrouin | Source: Termino | [[Utilisateur:Patrickdrouin | Source: Termino]] | ||
Version du 6 juillet 2019 à 16:20
Définition
Généralisation de la fonction logistique où chaque entrée de la fonction est normalisée, c'est-à-dire divisée par la somme des évaluations de la fonction logistique sur l'ensemble des entrées du domaine de la fonction.
Français
fonction exponentielle normalisée loc. nom. f.
fonction softmax n.f.
Anglais
softmax
full softmax
Source: Droniou, Alain (2015). Apprentissage de représentations et robotique développementale : quelques apports de l’apprentissage profond pour la robotique autonome, thèse de doctorat, Université Pierre et Marie Curie - Paris VI, 201 pages.
Source: Azencott, Chloé-Agathe (2018). Introduction au Machine Learning, Paris, Dunod, 240 pages.
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki, Robert Meloche
