« Échantillonnage de Gibbs » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 1 : Ligne 1 :
[[Catégorie:Apprentissage profond]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
{{DEFAULTSORT: Echantillonnage de Gibbs}}
==Définition==
==Définition==
L'échantillonnage de Gibbs est une méthode '''[[Méthode de Monte-Carlo par chaînes de Markov|MCCM]]'''. Étant donnée une distribution de probabilité π sur un univers Ω, cet algorithme définit une chaîne de Markov dont la distribution stationnaire est π. Il permet ainsi de tirer aléatoirement un élément de Ω selon la loi π (on parle d'échantillonnage).
L'échantillonnage de Gibbs est une méthode '''[[Méthode de Monte-Carlo par chaînes de Markov|MCCM]]'''. Étant donnée une distribution de probabilité π sur un univers Ω, cet algorithme définit une chaîne de Markov dont la distribution stationnaire est π. Il permet ainsi de tirer aléatoirement un élément de Ω selon la loi π (on parle d'échantillonnage).
Ligne 11 : Ligne 7 :
==Anglais==
==Anglais==
'''Gibbs sampling'''
'''Gibbs sampling'''


<small>
<small>
Ligne 18 : Ligne 13 :


[https://fr.wikipedia.org/wiki/%C3%89chantillonnage_de_Gibbs Souce : Wikipedia]
[https://fr.wikipedia.org/wiki/%C3%89chantillonnage_de_Gibbs Souce : Wikipedia]
[[Catégorie:Apprentissage profond]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
{{DEFAULTSORT: Echantillonnage de Gibbs}}

Version du 6 mai 2020 à 19:46

Définition

L'échantillonnage de Gibbs est une méthode MCCM. Étant donnée une distribution de probabilité π sur un univers Ω, cet algorithme définit une chaîne de Markov dont la distribution stationnaire est π. Il permet ainsi de tirer aléatoirement un élément de Ω selon la loi π (on parle d'échantillonnage).

Français

échantillonnage de Gibbs loc. nom. masc.

Anglais

Gibbs sampling

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 576

Souce : Wikipedia



Contributeurs: Jacques Barolet, wiki