« Machine de Boltzmann » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
[[Category:Intelligence artificielle]] | [[Category:Intelligence artificielle]] | ||
[[Category:Apprentissage profond]] | [[Category:Apprentissage profond]] | ||
[[Category: | [[Category:Scotty2]] | ||
[[Category: | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
Une machine de Boltzmann (également appelée réseau de Hopfield stochastique à unités cachées) est un type de réseau de neurones stochastique récurrent et de champ aléatoire de Markov. Les machines Boltzmann peuvent être considérées comme la contrepartie stochastique et générative des réseaux Hopfield. Ils ont été l’un des premiers réseaux de neurones capables d’apprentissage des représentations internes et capables de représenter et (à condition de disposer du temps nécessaire) de résoudre des problèmes de combinatoire difficiles. Les machines Boltzmann à connectivité non contrainte ne se sont pas révélées utiles pour les problèmes pratiques d'apprentissage ou d'inférence, mais si la connectivité est correctement contrainte, l'apprentissage peut être rendu suffisamment efficace pour être utile pour les problèmes pratiques. | Une machine de Boltzmann (également appelée réseau de Hopfield stochastique à unités cachées) est un type de réseau de neurones stochastique récurrent et de champ aléatoire de Markov. Les machines Boltzmann peuvent être considérées comme la contrepartie stochastique et générative des réseaux Hopfield. Ils ont été l’un des premiers réseaux de neurones capables d’apprentissage des représentations internes et capables de représenter et (à condition de disposer du temps nécessaire) de résoudre des problèmes de combinatoire difficiles. Les machines Boltzmann à connectivité non contrainte ne se sont pas révélées utiles pour les problèmes pratiques d'apprentissage ou d'inférence, mais si la connectivité est correctement contrainte, l'apprentissage peut être rendu suffisamment efficace pour être utile pour les problèmes pratiques. | ||
==Français == | ==Français == | ||
'''machine de Boltzmann''' n.f. | '''machine de Boltzmann''' n.f. | ||
==Anglais== | ==Anglais== | ||
'''Boltzmann machine''' | '''Boltzmann machine''' | ||
<small> | |||
[https://en.wikipedia.org/wiki/Boltzmann_machine Source: Wikipedia] | [https://en.wikipedia.org/wiki/Boltzmann_machine Source: Wikipedia] | ||
Version du 18 juin 2019 à 20:39
Définition
Une machine de Boltzmann (également appelée réseau de Hopfield stochastique à unités cachées) est un type de réseau de neurones stochastique récurrent et de champ aléatoire de Markov. Les machines Boltzmann peuvent être considérées comme la contrepartie stochastique et générative des réseaux Hopfield. Ils ont été l’un des premiers réseaux de neurones capables d’apprentissage des représentations internes et capables de représenter et (à condition de disposer du temps nécessaire) de résoudre des problèmes de combinatoire difficiles. Les machines Boltzmann à connectivité non contrainte ne se sont pas révélées utiles pour les problèmes pratiques d'apprentissage ou d'inférence, mais si la connectivité est correctement contrainte, l'apprentissage peut être rendu suffisamment efficace pour être utile pour les problèmes pratiques.
Français
machine de Boltzmann n.f.
Anglais
Boltzmann machine
Contributeurs: Claire Gorjux, Claude Coulombe, Jacques Barolet, wiki
