« Propagation avant » : différence entre les versions

Dernière version du 28 janvier 2024 à 12:53

Définition

Dans le cadre d'une rétropropagation, étape à laquelle l'information se déplace à partir des nœuds d'entrée, en passant par les couches cachées (le cas échéant), vers les nœuds de sortie d'un réseau de neurones.

À cette étape, certaines données sont conservées pour être utilisées lors de la propagation arrière.

Français

propagation avant

propagation vers l'avant

propagation directe

Anglais

forward pass

Sources

Source : Moez Baccouche. Apprentissage neuronal de caractéristiques spatio-temporelles pour la classification automatique de séquences vidéo. INSA de Lyon, 2013. Français. NNT : 2013ISAL0071ff. tel-00871107v2f

Source : Wikipedia (Réseau de neurones à propagation avant)

Source : INWS machine learning dictionary

@@ Ligne 1 : / Ligne 1 : @@
+== Définition ==
+Dans le cadre d'une [[rétropropagation]], étape à laquelle l'information se déplace à partir des nœuds d'entrée, en passant par les couches cachées (le cas échéant), vers les nœuds de sortie d'un [[réseau de neurones]].
-== en construction ==
+À cette étape, certaines données sont conservées pour être utilisées lors de la [[propagation arrière]].
-[[Catégorie:Vocabulary]]
-[[Catégorie:Apprentissage automatique‏‎]]
-[[Catégorie:UNSW]]
+== Français ==
+'''propagation avant'''
-== Définition ==
+'''propagation vers l'avant'''
-xxxxxxx
-== Français ==
+'''propagation directe'''
-xxxxxxx
 == Anglais ==
-'''forward pass in backpropagation'''
+'''forward pass'''
+==Sources==
+[https://tel.archives-ouvertes.fr/tel-00932662/document  Source : Moez Baccouche. ''Apprentissage neuronal de caractéristiques spatio-temporelles pour la classification automatique de séquences vidéo''. INSA de Lyon, 2013. Français. NNT : 2013ISAL0071ff. tel-00871107v2f ]
-In the forward pass in backpropagation, each training pattern is presented to the input units of the network. The hidden unit activations are computed from the inputs and input-to-hidden unit weights, and then (in the case of a 3-layer network, with only a single layer of hidden units) the outputs are computed using the hidden layer activations and the current hidden-to-output weights. Certain statistics are kept from this computation, and used in the backward pass. The target outputs from each training pattern are compared with the actual activation levels of the output units - the difference between the two is termed the error. Training may be pattern-by-pattern or epoch-by-epoch. With pattern-by-pattern training, the pattern error is provided directly to the backward pass. With epoch-by-epoch training, the pattern errors are summed across all training patterns, and the total error is provided to the backward pass.
+[https://fr.wikipedia.org/wiki/R%C3%A9seau_de_neurones_%C3%A0_propagation_avant  Source : Wikipedia (Réseau de neurones à propagation avant) ]
-<small>
+[http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html  Source : INWS machine learning dictionary ]
-[http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html      Source : INWS machine learning dictionary]  ]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]