« Sous-échantillonnage » : différence entre les versions
m (Remplacement de texte — « <small> masculin </small> » par « ») |
m (Remplacement de texte — « [http » par « * [http ») |
||
Ligne 18 : | Ligne 18 : | ||
<small> | <small> | ||
[https://stanford.edu/~shervine/l/fr/teaching/cs-230/pense-bete-reseaux-neurones-convolutionnels Source: Amidi, Shervine et Afshine Amidi, ''Pense-bête de réseaux de neurones convolutionnels''.] | * [https://stanford.edu/~shervine/l/fr/teaching/cs-230/pense-bete-reseaux-neurones-convolutionnels Source: Amidi, Shervine et Afshine Amidi, ''Pense-bête de réseaux de neurones convolutionnels''.] | ||
Source: Google, '' Machine learning glossary''. | Source: Google, '' Machine learning glossary''. |
Version du 4 février 2021 à 22:02
Définition
Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l'échantillon) par une valeur unique calculée à partir des valeurs de l'échantillon. Cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le calcul à la base du sous-échantillonnage peut être de différentes natures mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale (Max Pooling) et le sous-échantillonnage par valeur moyenne (Average Pooling).
Français
agrégation
sous-échantillonnage
mise en commun
regroupement
Anglais
pooling
Source: Google, Machine learning glossary.
Source: Goodfellow, Bangio, Courville p.344, L'Apprentissage profond.
Contributeurs: Evan Brach, Claude Coulombe, Jacques Barolet, Patrick Drouin, wiki