« Méthode du goulot d'étranglement de l'information » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵<small> » par « ==Sources== ») |
||
| (4 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
Technique de la [[théorie de l'information]] conçue pour trouver le meilleur compromis entre la précision et la complexité | Technique de la [[théorie de l'information]] conçue pour trouver le meilleur compromis entre la précision et la complexité lors du résumé d'une variable aléatoire X, étant donné une distribution de probabilité conjointe p(X,Y) entre X et une variable pertinente observée Y - et se décrit elle-même comme fournissant "un cadre étonnamment riche pour discuter d'une variété de problèmes dans le traitement du signal et l'apprentissage". | ||
== Français == | == Français == | ||
''' | '''méthode du goulot d'étranglement de l'information''' | ||
== Anglais == | == Anglais == | ||
'''information bottleneck method''' | '''information bottleneck method''' | ||
==Sources== | |||
[https://en.wikipedia.org/wiki/Information_bottleneck_method Source : Wikipedia Machine Learning ] | [https://en.wikipedia.org/wiki/Information_bottleneck_method Source : Wikipedia Machine Learning ] | ||
| Ligne 14 : | Ligne 14 : | ||
[Tishby, Naftali et Noga Zaslavsky. « L'apprentissage en profondeur et le principe du goulot d'étranglement de l'information. » 2015 IEEE Atelier sur la théorie de l'information (ITW) . IEEE, 2015] | [Tishby, Naftali et Noga Zaslavsky. « L'apprentissage en profondeur et le principe du goulot d'étranglement de l'information. » 2015 IEEE Atelier sur la théorie de l'information (ITW) . IEEE, 2015] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | |||
[[Catégorie: | |||
Dernière version du 28 janvier 2024 à 11:16
Définition
Technique de la théorie de l'information conçue pour trouver le meilleur compromis entre la précision et la complexité lors du résumé d'une variable aléatoire X, étant donné une distribution de probabilité conjointe p(X,Y) entre X et une variable pertinente observée Y - et se décrit elle-même comme fournissant "un cadre étonnamment riche pour discuter d'une variété de problèmes dans le traitement du signal et l'apprentissage".
Français
méthode du goulot d'étranglement de l'information
Anglais
information bottleneck method
Sources
Source : Wikipedia Machine Learning
[Tishby, Naftali et Noga Zaslavsky. « L'apprentissage en profondeur et le principe du goulot d'étranglement de l'information. » 2015 IEEE Atelier sur la théorie de l'information (ITW) . IEEE, 2015]
Contributeurs: Claire Gorjux, Imane Meziani, wiki
