« Algorithme du perceptron » : différence entre les versions

Version du 20 décembre 2022 à 16:57

Algorithme utilisé par le perceptron.

1. Tous les poids sont initialisés à 0. 2. Répétez jusqu'à ce que le perceptron donne le résultat correct pour chaque exemple du jeu de données :

si le perceptron produit 0 alors qu'il devrait produire 1, alors ajoutez le vecteur d'entrée au vecteur de poids.
si le perceptron produit 1 alors qu'il devrait produire 0, alors soustrayez le vecteur d'entrée au vecteur de poids.

algorithme du perceptron

algorithme d'apprentissage perceptron

perceptron algorithm

perceptron learning algorithm

Source : UNWS machine learning dictionary ]

@@ Ligne 1 : / Ligne 1 : @@
+[[Catégorie:Publication]]
-== en construction ==
-[[Catégorie:Vocabulary]]
 [[Catégorie:Apprentissage automatique‏‎]]
 [[Catégorie:UNSW]]
@@ Ligne 7 : / Ligne 5 : @@
 == Définition ==
-xxxxxxx
+Algorithme utilisé par le [[perceptron]].
+== Compléments ==
+. Tous les poids sont initialisés à 0.
+. Répétez jusqu'à ce que le perceptron donne le résultat correct pour chaque exemple du jeu de données :
+<ul>
+<li>si le perceptron produit 0 alors qu'il devrait produire 1, alors ajoutez le vecteur d'entrée au vecteur de poids.</li>
+<li>si le perceptron produit 1 alors qu'il devrait produire 0, alors soustrayez le vecteur d'entrée au vecteur de poids.</li>
+</ul>
 == Français ==
-xxxxxxx
+'''algorithme du perceptron'''
+'''algorithme d'apprentissage perceptron'''
 == Anglais ==
-'''perceptron learning'''
+'''perceptron algorithm'''
-The perceptron learning algorithm:
+'''perceptron learning algorithm'''
+<!-- The perceptron learning algorithm:
 All weights are initially set to zero.
 For each training example:
 if the perceptron outputs 0 when it should output 1, then add the input vector to the weight vector.
 if the perceptron outputs 1 when it should output 0, then subtract the input vector to the weight vector.
-Repeat step 2 until the perceptron yields the correct result for each training example.
+Repeat step 2 until the perceptron yields the correct result for each training example. -->