« Réseau de croyances profond » : différence entre les versions
m (Claude COULOMBE a déplacé la page Réseau de croyance profond vers Réseau de croyances profond par-dessus une redirection) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
En apprentissage automatique, un réseau de | En apprentissage automatique, un réseau de croyances profond (''Deep Belief Network'' - DBN) est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche. | ||
Lorsqu'il est | Lorsqu'il est entraîné sur un ensemble de données sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un DBN peut être entraîné à nouveau avec supervision pour effectuer une classification. | ||
voir : [[Machine de Boltzman profonde]] | voir : [[Machine de Boltzman profonde]] | ||
Version du 20 septembre 2022 à 13:35
Définition
En apprentissage automatique, un réseau de croyances profond (Deep Belief Network - DBN) est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche.
Lorsqu'il est entraîné sur un ensemble de données sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un DBN peut être entraîné à nouveau avec supervision pour effectuer une classification.
voir : Machine de Boltzman profonde
Français
réseau de croyances profond
Anglais
Deep Belief Network
DBN
Source: Qwerty wiki, Deep belief network.
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
