« Réseau de croyances profond » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 10 : | Ligne 10 : | ||
==Définition== | ==Définition== | ||
En apprentissage automatique, un réseau de croyance profond est un modèle graphique génératif, ou encore une classe de réseau de neurones profonds, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche. | En apprentissage automatique, un réseau de croyance profond (''Deep Belief Network'' - DBN)est un modèle graphique génératif, ou encore une classe de réseau de neurones profonds, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche. | ||
Lorsqu'il est formé à un ensemble d'exemples sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs de caractéristiques. Après cette étape d'apprentissage, un DBN peut être davantage formé avec supervision pour effectuer la classification. | Lorsqu'il est formé à un ensemble d'exemples sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs de caractéristiques. Après cette étape d'apprentissage, un DBN peut être davantage formé avec supervision pour effectuer la classification. | ||
| Ligne 16 : | Ligne 16 : | ||
==Français== | ==Français== | ||
'''réseau de croyances profond ''' | '''réseau de croyances profond ''' <small>loc.nom. masc.</small> | ||
Version du 11 août 2019 à 14:16
en construction
Définition
En apprentissage automatique, un réseau de croyance profond (Deep Belief Network - DBN)est un modèle graphique génératif, ou encore une classe de réseau de neurones profonds, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche.
Lorsqu'il est formé à un ensemble d'exemples sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs de caractéristiques. Après cette étape d'apprentissage, un DBN peut être davantage formé avec supervision pour effectuer la classification.
Français
réseau de croyances profond loc.nom. masc.
Anglais
Deep Belief Network
DBN
<small>
Note: réseau de croyances profond désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada.
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
