« Carte topographique générative » : différence entre les versions
Aucun résumé des modifications |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Méthode d'apprentissage automatique qui est une contrepartie probabiliste de la carte auto-organisée (SOM), probablement convergente et qui ne nécessite pas un voisinage rétrécissant ou une taille de pas décroissante. Il s'agit d'un modèle génératif : les données sont supposées provenir de la sélection probabiliste d'un point dans un espace de faible dimension, de la mise en correspondance de ce point avec l'espace d'entrée de haute dimension observé (via une fonction lisse), puis de l'ajout de bruit dans cet espace. Les paramètres de la distribution de probabilité à faible dimension, de la carte lisse et du bruit sont tous appris à partir des données d'apprentissage à l'aide de l'algorithme de maximisation des attentes. | Méthode d'apprentissage automatique qui est une contrepartie probabiliste de la carte auto-organisée (SOM), probablement convergente et qui ne nécessite pas un voisinage rétrécissant ou une taille de pas décroissante. | ||
Il s'agit d'un modèle génératif : les données sont supposées provenir de la sélection probabiliste d'un point dans un espace de faible dimension, de la mise en correspondance de ce point avec l'espace d'entrée de haute dimension observé (via une fonction lisse), puis de l'ajout de bruit dans cet espace. | |||
Les paramètres de la distribution de probabilité à faible dimension, de la carte lisse et du bruit sont tous appris à partir des données d'apprentissage à l'aide de l'algorithme de maximisation des attentes. | |||
== Français == | == Français == | ||
Version du 19 mai 2021 à 12:41
Définition
Méthode d'apprentissage automatique qui est une contrepartie probabiliste de la carte auto-organisée (SOM), probablement convergente et qui ne nécessite pas un voisinage rétrécissant ou une taille de pas décroissante.
Il s'agit d'un modèle génératif : les données sont supposées provenir de la sélection probabiliste d'un point dans un espace de faible dimension, de la mise en correspondance de ce point avec l'espace d'entrée de haute dimension observé (via une fonction lisse), puis de l'ajout de bruit dans cet espace.
Les paramètres de la distribution de probabilité à faible dimension, de la carte lisse et du bruit sont tous appris à partir des données d'apprentissage à l'aide de l'algorithme de maximisation des attentes.
Français
carte topographique générative
Anglais
generative topographic map
Contributeurs: Claire Gorjux, Imane Meziani, wiki
