« Généralisation en rétropropagation » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
L’apprentissage par rétropropagation semble fonctionner en obtenant tout d’abord un ensemble approximatif de poids qui correspondent aux modèles d’entraînement d’une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d’entraînement. | L’apprentissage par rétropropagation semble fonctionner en obtenant tout d’abord un ensemble approximatif de poids qui correspondent aux modèles d’entraînement d’une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d’entraînement. | ||
Si l’apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui | Si l’apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui ne s'interpolent pas bien. | ||
== Français == | == Français == | ||
'''Généralisation en rétropropagation''' | '''Généralisation en rétropropagation''' | ||
| Ligne 15 : | Ligne 15 : | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
Version du 9 décembre 2020 à 08:04
Définition
L’apprentissage par rétropropagation semble fonctionner en obtenant tout d’abord un ensemble approximatif de poids qui correspondent aux modèles d’entraînement d’une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d’entraînement.
Si l’apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui ne s'interpolent pas bien.
Français
Généralisation en rétropropagation
Anglais
generalization in backprop
Contributeurs: Imane Meziani, wiki, Sihem Kouache
