« Couche d’autoroute » : différence entre les versions

Dernière version du 29 janvier 2024 à 13:42

Rediriger vers :

Couche

Domaine

Définition

Couche de neurones d'un réseau routier neuronal qui traite un ensemble de caractéristiques d'entrée, ou le résultat de ces neurones.

Note: en apprentissage automatique, un réseau routier neuronal constitue une approche permettant d’optimiser les réseaux et d’en augmenter la profondeur. Les réseaux routiers utilisent des mécanismes de synchronisation appris pour réguler le flux d'informations, inspirés des réseaux de neurones récurrents à mémoire à court terme (LSTM).

Français

couche d’autoroute

Anglais

Highway Layer

Sources

source : Wikipedia

Google, Glossaire de l'apprentissage automatique

@@ Ligne 1 : / Ligne 1 : @@
-== Domaine ==
+#REDIRECTION [[Couche]]
-[[Category:Vocabulary]]  Vocabulary
-[[Catégorie:Apprentissage profond]] Apprentissage profond
+== Domaine ==
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
+[[Catégorie:Apprentissage profond]]
+[[Catégorie:Apprentissage automatique]]
 == Définition ==
+Couche de '''neurones''' d'un '''réseau routier neuronal''' qui traite un ensemble de caractéristiques d'entrée, ou le résultat de ces neurones.
+Note: en apprentissage automatique, un réseau routier neuronal constitue une approche permettant d’optimiser les réseaux et d’en augmenter la profondeur. Les réseaux routiers utilisent des mécanismes de synchronisation appris pour réguler le flux d'informations, inspirés des réseaux de neurones récurrents à mémoire à court terme (LSTM).
-== Termes privilégiés ==
+== Français ==
+''' couche d’autoroute'''
 == Anglais ==
+'''Highway Layer'''
+==Sources==
-'''Highway Layer'''
+[https://en.wikipedia.org/wiki/Highway_network  source : Wikipedia ]
-A Highway Layer (paper) is a type of Neural Network layer that uses a gating mechanism to control the information flow through a layer. Stacking multiple Highway Layers allows for training of very deep networks. Highway Layers work by learning a gating function that chooses which parts of the inputs to pass through and which parts to pass through a transformation function, such as a standard affine layer for example. The basic formulation of a Highway Layer is T * h(x) + (1 - T) * x, where T is the learned gating function with values between 0 and 1, h(x) is an arbitrary input transformation and x is the input. Note that all of these must have the same size.
-ICML
-The International Conference for Machine Learning, a top-tier machine learning conference.
+[https://developers.google.com/machine-learning/glossary/  Google, ''Glossaire de l'apprentissage automatique'']