« Problème de l'explosion du gradient » : 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]] | [[Catégorie:Apprentissage automatique]] | ||
[[Catégorie:Apprentissage automatique]] | [[Catégorie:Réseau de neurones artificiels]] | ||
[[Catégorie:Réseau de neurones artificiels]] | [[Catégorie:Apprentissage profond]] | ||
[[Catégorie:Apprentissage profond]] | |||
[[Category:Coulombe2]] | [[Category:Coulombe2]] | ||
[[Category:scotty2]] | [[Category:scotty2]] | ||
| Ligne 13 : | Ligne 12 : | ||
Problème posé, dans un réseau de neurones profond, par l'augmentation très rapide des valeurs des gradients pendant la rétropropagation entraînant un dépassement de la capacité de la représentation interne des nombres et l'arrêt de l'apprentissage. | Problème posé, dans un réseau de neurones profond, par l'augmentation très rapide des valeurs des gradients pendant la rétropropagation entraînant un dépassement de la capacité de la représentation interne des nombres et l'arrêt de l'apprentissage. | ||
Note | Note: Plusieurs techniques permettent de contrer l'explosion du gradient à commencer par de meilleures techniques d'initialisation, le choix de fonctions d'activation non saturantes comme la fonction linéaire rectifiée, la normalisation par lots et l'écrêtage de gradient | ||
Plusieurs techniques permettent de contrer l'explosion du gradient à commencer par de meilleures techniques d'initialisation, le choix de fonctions d'activation non saturantes comme la fonction linéaire rectifiée, la normalisation par lots et l'écrêtage de gradient | |||
==Français== | ==Français== | ||
| Ligne 20 : | Ligne 18 : | ||
'''explosion du gradient''' n.f. | '''explosion du gradient''' n.f. | ||
==Anglais== | ==Anglais== | ||
| Ligne 29 : | Ligne 26 : | ||
<small> | |||
Source : Pascanu, Razvan (2014). On Recurrent and Deep Neural Networks, thèse de doctorat, Université de Montréal, 267 pages. | Source : Pascanu, Razvan (2014). On Recurrent and Deep Neural Networks, thèse de doctorat, Université de Montréal, 267 pages. | ||
| Ligne 35 : | Ligne 33 : | ||
[[Utilisateur:Patrickdrouin | Source : Termino ]] | [[Utilisateur:Patrickdrouin | Source : Termino ]] | ||
[[Utilisateur:Claude COULOMBE | source : Claude Coulombe]] | [[Utilisateur:Claude COULOMBE | source : Claude Coulombe]] ([[Discussion utilisateur:Claude COULOMBE | discussion]]) | ||
Version du 17 juin 2019 à 22:05
Définition
Problème posé, dans un réseau de neurones profond, par l'augmentation très rapide des valeurs des gradients pendant la rétropropagation entraînant un dépassement de la capacité de la représentation interne des nombres et l'arrêt de l'apprentissage.
Note: Plusieurs techniques permettent de contrer l'explosion du gradient à commencer par de meilleures techniques d'initialisation, le choix de fonctions d'activation non saturantes comme la fonction linéaire rectifiée, la normalisation par lots et l'écrêtage de gradient
Français
problème de l'explosion du gradient n.m.
explosion du gradient n.f.
Anglais
exploding gradient problem
gradient explosion problem
Source : Pascanu, Razvan (2014). On Recurrent and Deep Neural Networks, thèse de doctorat, Université de Montréal, 267 pages.
Contributeurs: Claude Coulombe, Jacques Barolet, Patrick Drouin, Pierre Labreche, wiki
