« Réseau neuronal résiduel » : différence entre les versions
m (Remplacement de texte — « Termes privilégiés » par « Français ») |
(nouveau terme) Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
== Domaine == | ==Domaine== | ||
[[Category:Vocabulary]] | [[Category:Vocabulary]]<br> | ||
[[Catégorie:Apprentissage profond]] Apprentissage profond | [[Category:Intelligence artificielle]]Intelligence artificielle<br> | ||
[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br> | |||
[[Catégorie:Apprentissage profond]]Apprentissage profond<br> | |||
[[Category:Coulombe]]Coulombe<br> | |||
[[Catégorie:Scotty]]<br> | |||
==Définition== | |||
ResNet est un nom propre qui désigne le réseau de neurones profond qui a remporté la compétition ILSVRC en 2015. ResNet est caractérisé par l'emploi de connexions saute-couches. | |||
==Français== | |||
ResNet | |||
==Anglais== | |||
ResNet | |||
== Anglais == | |||
Deep Residual Networks won the ILSVRC 2015 challenge. These networks work by introducing shortcut connection across stacks of layers, allowing the optimizer to learn “easier” residual mappings instead of the more complicated original mappings. These shortcut connections are similar to Highway Layers, but they are data-independent and don’t introduce additional parameters or training complexity. ResNets achieved a 3.57% error rate on the ImageNet test set. | Deep Residual Networks won the ILSVRC 2015 challenge. These networks work by introducing shortcut connection across stacks of layers, allowing the optimizer to learn “easier” residual mappings instead of the more complicated original mappings. These shortcut connections are similar to Highway Layers, but they are data-independent and don’t introduce additional parameters or training complexity. ResNets achieved a 3.57% error rate on the ImageNet test set. | ||
• Deep Residual Learning for Image Recognition | • Deep Residual Learning for Image Recognition | ||
Version du 14 avril 2019 à 19:28
Domaine
Intelligence artificielle
Apprentissage automatique
Apprentissage profond
Coulombe
Définition
ResNet est un nom propre qui désigne le réseau de neurones profond qui a remporté la compétition ILSVRC en 2015. ResNet est caractérisé par l'emploi de connexions saute-couches.
Français
ResNet
Anglais
ResNet
Deep Residual Networks won the ILSVRC 2015 challenge. These networks work by introducing shortcut connection across stacks of layers, allowing the optimizer to learn “easier” residual mappings instead of the more complicated original mappings. These shortcut connections are similar to Highway Layers, but they are data-independent and don’t introduce additional parameters or training complexity. ResNets achieved a 3.57% error rate on the ImageNet test set. • Deep Residual Learning for Image Recognition
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
