« Carte topographique générative » : différence entre les versions

Dernière version du 27 janvier 2024 à 20:16

Définition

Méthode d'apprentissage automatique qui est une contrepartie probabiliste de la carte auto-organisée, 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

Sources

Source : Wikipedia Machine Learning

@@ Ligne 1 : / Ligne 1 : @@
-==en construction==
+== Définition ==
+Méthode d'apprentissage automatique qui est une contrepartie probabiliste de la carte auto-organisée, probablement convergente et qui ne nécessite pas un voisinage rétrécissant ou une taille de pas décroissante.
-== Définition ==
+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.
-XXXXXXXXX
+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 ==
-''' XXXXXXXXX '''
+'''carte topographique générative'''
 == Anglais ==
-''' Generative topographic map'''
+''' generative topographic map'''
-Generative topographic map (GTM) is a machine learning method that is a probabilistic counterpart of the self-organizing map (SOM), is probably convergent and does not require a shrinking neighborhood or a decreasing step size. It is a generative model: the data is assumed to arise by first probabilistically picking a point in a low-dimensional space, mapping the point to the observed high-dimensional input space (via a smooth function), then adding noise in that space. The parameters of the low-dimensional probability distribution, the smooth map and the noise are all learned from the training data using the expectation-maximization (EM) algorithm. GTM was introduced in 1996 in a paper by Christopher Bishop, Markus Svensen, and Christopher K. I. Williams.
+==Sources==
-<small>
 [https://en.wikipedia.org/wiki/Generative_topographic_map  Source : Wikipedia  Machine Learning ]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
-[[Catégorie:vocabulary]]
-[[Catégorie:Wikipedia-IA‎]]