« Catégorie:Apprentissage profond » : différence entre les versions
(Page créée avec « Category:Intelligence artificielle Apprentissage profond sous catégorie de IA ») |
(Page blanchie) Balise : Blanchiment |
||
| (11 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
Dernière version du 6 avril 2021 à 14:55
Pages dans la catégorie « Apprentissage profond »
Cette catégorie comprend 245 pages, dont les 100 ci-dessous.
(page précédente) (page suivante)A
- Accord inter-évaluateurs
- Aire sous la courbe ROC
- AlexNet
- Algorithme EM
- Analyse de séries temporelles
- Analyse des caractéristiques lentes
- Analyse en sous-espaces indépendants
- Analyse factorielle
- Anomalies
- API Dataset (tf.data)
- API Layers (tf.layers)
- API Metrics (tf.metrics)
- Appariement des rapports
- Appariement des scores généralisés
- Apprentissage
- Apprentissage avide
- Apprentissage d'attributs
- Apprentissage de bout-en-bout
- Apprentissage de représentations
- Apprentissage de variété
- Apprentissage ensembliste
- Apprentissage non supervisé
- Apprentissage par renforcement profond
- Apprentissage partiellement supervisé
- Arrêt prématuré
- Astuce de centrage
- Auto-encodeur contractif
- Autoencodeur variationnel
C
- Caffe
- Canal
- Caractéristique creuse
- Caractéristique dense
- Caractéristique discrète
- Caractéristique synthétique
- Classe
- Classe négative
- Classe positive
- Classification temporelle connexionniste
- Classification à classes multiples
- Collisionneur
- Combinaison linéaire
- Conditions de Karush-Kuhn-Tucker
- Connexion résiduelle
- Constante de Lipschitz
- Convergence
- Convolution séparable
- Correspondance de moment
- Couche cachée
- Couche convolutive
- Couche d'entrée
- Couche de sortie
- Couche de sous-échantillonnage
- Couche d’autoroute
- Couche entièrement connectée
- Courbe d'apprentissage
- Courbe ROC
- Croisement de caractéristiques
- Croyance antérieure
D
- Densité de probabilité
- Descente de gradient stochastique
- Dimension de Vapnik-Chervonenkis
- Distribution de Dirac
- Divergence contractive persistante
- Données disséminées
- Données exclues
- Données numériques
- Double rétropropagation
- Décomposition en valeurs singulières
- Décomposition parcimonieuse prévisionnelle
- Dérivée fonctionnelle
- Dérivée partielle
E
- Échantillonnage ancestral
- Échantillonnage de Gibbs
- Échantillonnage d’importance biaisé
- Échelonnage des poids
- Ecrêtage de gradient
- ELMo
- Ensemble convexe
- Ensemble d'apprentissage
- Ensemble d'évaluation
- Ensemble de caractéristiques
- Ensemble de données avec déséquilibre des classes
- Entraînement de modèle
- Entropie croisée
- Époque
- Équation d'Euler-Lagrange
- Équivariance
- Erreur d'entraînement
- Erreur entropie croisée catégorielle
- Estimateur
- Estimateur asymptotiquement sans biais
- Estimateur personnalisé
- Exemple
- Exemple sans étiquette
- Exemple étiqueté
- Extinction de neurone
- Extraction de caractéristiques
