« Machine de Boltzmann restreinte » : différence entre les versions

Version du 14 avril 2019 à 21:40

Domaine

Définition

Une machine de Boltzmann restreinte (MBR) est une machine de Boltzmann dont les connexions sont restreintes aux seules connexions entre unités (ou neurones) des couches cachées et les unités (ou neurones) des couches visibles pour des raisons d'efficacité de l'entraînement. Rappelons que la machine de Boltzmann est une architecture de réseau de neurones inventée par Geoffrey Hinton et Terrence Sejnowski en 1985 pour créer des modèles génératifs capables d'apprendre la distribution de probabilités d'un jeu de données d'entraînement. Il est possible d'empiler plusieurs couches de machines de Boltzmann restreintes (MBR) pour créer des réseaux profonds qui sont plus performants.

Français

Machine de Boltzmann restreinte

Anglais

Restricted Boltzmann Machine (RBN)

Source: Géron, A. (2017). Deep Learning avec TensorFlow: Mise en oeuvre et cas concrets. Traduction par Hervé Soulard, Dunod.

@@ Ligne 1 : / Ligne 1 : @@
 == Domaine ==
 [[Category:Vocabulary]]<br>
-[[Category:Intelligence artificielle]]Intelligence artificielle<br>
+[[Category:Intelligence artificielle]]
-[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br>
+[[Catégorie:Apprentissage automatique]]
-[[Catégorie:Réseau de neurones artificiels]]Réseau de neurones artificiels<br>
+[[Catégorie:Réseau de neurones artificiels]]
-[[Catégorie:Apprentissage profond]]Apprentissage profond<br>
+[[Catégorie:Apprentissage profond]]
-[[Category:Coulombe]]Coulombe<br>
+[[Category:Coulombe]]<br>
 [[Catégorie:Scotty]]<br>
@@ Ligne 12 : / Ligne 12 : @@
 == Français ==
-Machine de Boltzmann restreinte
+'''Machine de Boltzmann restreinte'''
-Source:
-Géron, A. (2017). ''Deep Learning avec TensorFlow: Mise en oeuvre et cas concrets''. Traduction par Hervé Soulard, Dunod.
 == Anglais ==
 '''Restricted Boltzmann Machine (RBN)'''
+<br>
-RBMs are a type of probabilistic graphical model that can be interpreted as a stochastic artificial neural network. RBNs learn a representation of the data in an unsupervised manner. An RBN consists of visible and hidden layer, and connections between binary neurons in each of these layers. RBNs can be efficiently trained using Contrastive Divergence, an approximation of gradient descent.
+Source:  Géron, A. (2017). ''Deep Learning avec TensorFlow: Mise en oeuvre et cas concrets''. Traduction par Hervé Soulard, Dunod.
-•	Chapter 6: Information Processing in Dynamical Systems: Foundations of Harmony Theory
+<br>
-•	An Introduction to Restricted Boltzmann Machines
+<br>