« Généralisation en rétropropagation » : différence entre les versions
m (Pitpitt a déplacé la page Generalization in backprop vers Généralisation en rétropropagation) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
L'apprentissage par rétropropagation semble fonctionner en obtenant tout d'abord un ensemble approximatif de poids qui correspondent aux modèles d'entraînement d'une manière générale, puis en | L'apprentissage par rétropropagation semble fonctionner en obtenant tout d'abord un ensemble approximatif de poids qui correspondent aux modèles d'entraînement d'une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d'entraînement. | ||
Si l'apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui n'interpolent pas (c'est-à-dire généralisent) bien. | Si l'apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui n'interpolent pas (c'est-à-dire généralisent) bien. | ||
Version du 1 décembre 2020 à 20:47
Définition
L'apprentissage par rétropropagation semble fonctionner en obtenant tout d'abord un ensemble approximatif de poids qui correspondent aux modèles d'entraînement d'une manière générale, puis en avançant progressivement vers un ensemble de poids qui correspondent exactement aux modèles d'entraînement.
Si l'apprentissage va trop loin dans cette voie, on peut atteindre un ensemble de pondérations qui correspond très bien aux particularités, mais qui n'interpolent pas (c'est-à-dire généralisent) bien.
Français
Généralisation en rétropropagation
Anglais
generalization in backprop
Contributeurs: Imane Meziani, wiki, Sihem Kouache
