« Autoencodeur » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 2 : | Ligne 2 : | ||
[[Category:Vocabulaire2]] | [[Category:Vocabulaire2]] | ||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]]Intelligence artificielle<br /> | ||
Intelligence artificielle<br /> | [[Category:Apprentissage profond]]Apprentissage profond<br> | ||
[[Category:Apprentissage profond]] | |||
Apprentissage profond<br> | |||
[[Category:Termino 2019]] | [[Category:Termino 2019]] | ||
[[Category:Scotty2]] | [[Category:Scotty2]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
| Ligne 15 : | Ligne 12 : | ||
Note: les auto-encodeurs sont utilisés pour la réduction de la dimension des données, pour extraire des attributs (ou caractéristiques), pour générer de nouvelles données (modèles génératifs), ou pour débruiter des données. | Note: les auto-encodeurs sont utilisés pour la réduction de la dimension des données, pour extraire des attributs (ou caractéristiques), pour générer de nouvelles données (modèles génératifs), ou pour débruiter des données. | ||
==Français== | ==Français== | ||
'''auto-encodeur''' n.m. | '''auto-encodeur''' n.m. | ||
| Ligne 27 : | Ligne 20 : | ||
==Anglais== | ==Anglais== | ||
'''autoencoder''' | |||
Version du 15 juin 2019 à 11:06
Domaine
Intelligence artificielle
Apprentissage profond
Définition
Architecture de réseau de neurones artificiels capable d'apprendre sans supervision des représentations qui sont généralement de dimensions inférieures aux données d'entrée.
Note: les auto-encodeurs sont utilisés pour la réduction de la dimension des données, pour extraire des attributs (ou caractéristiques), pour générer de nouvelles données (modèles génératifs), ou pour débruiter des données.
Français
auto-encodeur n.m.
auto-associateur n.m.
Anglais
autoencoder
Source: Géron, Aurélien (2017) Machine Learning avec Scikit-Learn - Mise en oeuvre et cas concrets, Paris, Dunod, 256 pages.
Source: Géron, Aurélien (2017). Deep Learning avec TensorFlow - Mise en oeuvre et cas concrets, Paris, Dunod, 360 pages.
Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.
Source: Wikipedia.
Contributeurs: Claude Coulombe, Imane Meziani, Jacques Barolet, Patrick Drouin, wiki
