« Modèle factoriel linéaire » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
Les modèles à facteurs linéaires sont les modèles probabilistes les plus simples. Ils sont utilisés comme éléments de base pour les modèles de mélange et les modèles probabilistes profonds. | Les modèles à facteurs linéaires sont les modèles probabilistes les plus simples. Ils sont utilisés comme éléments de base pour les modèles de mélange et les modèles probabilistes profonds. | ||
Note- | Note - | ||
Ce sont des approches de base pour construire des modèles génératifs qui sont étendus par des modèles profonds, définis en utilisant une fonction de décodeur linéaire stochastique qui génère x en ajoutant du bruit à une transformation linéaire de h, c'est-à-dire x = Wh + b + bruit. | Ce sont des approches de base pour construire des modèles génératifs qui sont étendus par des modèles profonds, définis en utilisant une fonction de décodeur linéaire stochastique qui génère x en ajoutant du bruit à une transformation linéaire de h, c'est-à-dire x = Wh + b + bruit. | ||
Version du 21 janvier 2021 à 09:33
Définition
Les modèles à facteurs linéaires sont les modèles probabilistes les plus simples. Ils sont utilisés comme éléments de base pour les modèles de mélange et les modèles probabilistes profonds.
Note - Ce sont des approches de base pour construire des modèles génératifs qui sont étendus par des modèles profonds, définis en utilisant une fonction de décodeur linéaire stochastique qui génère x en ajoutant du bruit à une transformation linéaire de h, c'est-à-dire x = Wh + b + bruit.
Français
Modèle factoriel linéaire
Anglais
Linear factor model
Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018
Contributeurs: Imane Meziani, Jacques Barolet, wiki
