« Machines d'apprentissage extrême » : différence entre les versions


(Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Extreme learning machines '''  is a new learning algorithm for t... »)
 
Aucun résumé des modifications
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
== Définition ==
XXXXXXXXX
Les machines d'apprentissage extrême sont un nouvel algorithme d'apprentissage pour les réseaux neuronaux à avance direct avec une ou plusieurs couches de nœuds cachés, où les poids entre les entrées et les nœuds cachés sont attribués de manière aléatoire et ne sont jamais mis à jour pendant les phases d'apprentissage et de prédiction. Il utilise l'inverse généralisé de Moore Penrose pour définir ses poids. Les ELM sont capables de produire des performances prédictives acceptables et ils apprennent des milliers de fois plus vite que les autres algorithmes et leur coût de calcul est bien inférieur à celui des réseaux formés par l'algorithme de rétropropagation.


== Français ==
== Français ==
''' XXXXXXXXX '''
''' Les machines d'apprentissage extrême'''


== Anglais ==
== Anglais ==
''' Extreme learning machines '''
''' Extreme learning machines '''


    is a new learning algorithm for the feedforward neural networks with single layer or multiple layers of hidden nodes, where the weights between inputs and hidden nodes are randomly assigned and never updated during training and predicting phases. It uses Moore Penrose generalized inverse to set its weights. ELMs are able to produce acceptable predictive performance and it learn thousands of times more faster than other algorithm and their computational cost is much lower than networks trained by the back propagation algorithm.
    
 
<small>
<small>


Ligne 19 : Ligne 16 :


[[Catégorie:vocabulary]]
[[Catégorie:vocabulary]]
[[Catégorie:publication]]

Version du 14 novembre 2023 à 15:56

Définition

Les machines d'apprentissage extrême sont un nouvel algorithme d'apprentissage pour les réseaux neuronaux à avance direct avec une ou plusieurs couches de nœuds cachés, où les poids entre les entrées et les nœuds cachés sont attribués de manière aléatoire et ne sont jamais mis à jour pendant les phases d'apprentissage et de prédiction. Il utilise l'inverse généralisé de Moore Penrose pour définir ses poids. Les ELM sont capables de produire des performances prédictives acceptables et ils apprennent des milliers de fois plus vite que les autres algorithmes et leur coût de calcul est bien inférieur à celui des réseaux formés par l'algorithme de rétropropagation.

Français

Les machines d'apprentissage extrême

Anglais

Extreme learning machines

  

Source : medium.com/



Contributeurs: Marie Alfaro, wiki