« Correspondance de score » : différence entre les versions


Aucun résumé des modifications
Aucun résumé des modifications
Ligne 22 : Ligne 22 :
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 ]
[https://www.apprentissageprofond.org/  Source :  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 ]


[https://medium.com/@evertongomede/denoising-autoencoders-and-score-matching-unraveling-the-secrets-of-unsupervised-learning-1bc348ea35a1 Source : Everton Gomede 2023]
[https://medium.com/@evertongomede/denoising-autoencoders-and-score-matching-unraveling-the-secrets-of-unsupervised-learning-1bc348ea35a1 Source : ''Denoising Autoencoders and Score Matching: Unraveling the Secrets of Unsupervised Learning'', Everton Gomede 2023]


[[Catégorie: Publication]]
[[Catégorie: Publication]]

Version du 12 décembre 2023 à 14:42


Définition

L'appariement des scores est une approche de l'apprentissage non supervisé basée sur l'estimation de la densité de la distribution statistique.

Compléments

Elle a été introduite en tant que méthode non paramétrique d'estimation de la fonction de densité de probabilité sous-jacente des données. Elle ne repose donc pas sur une loi de probabilité paramétrique, mais uniquement sur une mesure directe de la distribution statistique des données. Il n'y a donc pas de modèle, ce sont les données qui font foi de tout.

Contrairement aux techniques traditionnelles d'estimation de la densité qui impliquent l'ajustement d'un modèle paramétrique spécifique aux données, l'appariement par score utilise une fonction de score pour estimer directement le gradient de la log-vraisemblance.

Français

appariement de scores

correspondance de scores

Anglais

score matching


Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018

Source : Denoising Autoencoders and Score Matching: Unraveling the Secrets of Unsupervised Learning, Everton Gomede 2023