« Réseau antagoniste génératif » : différence entre les versions
m (Claude COULOMBE a déplacé la page Réseaux adverses génératifs vers Réseau antagoniste génératif (RAG)) |
(modification majeure) Balise : Éditeur de wikicode 2017 |
||
| Ligne 1 : | Ligne 1 : | ||
==Domaine== | ==Domaine== | ||
[[Category:Vocabulary]]<br> | |||
[[Category: | [[Category:Intelligence artificielle]]Intelligence artificielle<br> | ||
[[Category: | [[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: | [[Category:Coulombe]]Coulombe<br> | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:Scotty]]<br> | ||
[[Category:GRAND LEXIQUE FRANÇAIS]]<br> | |||
==Définition== | ==Définition== | ||
En intelligence artificielle, | En intelligence artificielle, le réseau antagoniste génératif (RAG), en anglais «generative adversarial network» ou GAN, est une classe d'algorithmes d'apprentissage non-supervisé. Ces algorithmes ont été introduits par Goodfellow et al. 2014 alors qu'il était étudiant au MILA à Montréal. Ils permettent de générer des images avec un fort degré de réalisme. | ||
Un | Un RAG est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur. L'apprentissage peut être modélisé comme un jeu à somme nulle. | ||
==Français == | ==Français == | ||
<h3> | |||
<poll> Choisissez parmi ces termes proposés : | |||
'''réseaux adverses génératifs''' <small>loc. nominale. masc.</small> | |||
'''réseaux antagonistes génératifs''' <small>loc. nominale. masc.</small> | |||
</poll> | |||
</h3> <h3>Discussion:</h3> Pour le moment, le terme privilégié est «réseau antagoniste génératif». <br>" | |||
Source: | |||
[https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Source : Wikipedia IA] | |||
==Anglais== | ==Anglais== | ||
'''Generative adversarial network''' | '''Generative adversarial network''' | ||
Version du 7 mai 2019 à 19:21
Domaine
Intelligence artificielle
Apprentissage automatique
Réseau de neurones artificiels
Apprentissage profond
Coulombe
Définition
En intelligence artificielle, le réseau antagoniste génératif (RAG), en anglais «generative adversarial network» ou GAN, est une classe d'algorithmes d'apprentissage non-supervisé. Ces algorithmes ont été introduits par Goodfellow et al. 2014 alors qu'il était étudiant au MILA à Montréal. Ils permettent de générer des images avec un fort degré de réalisme.
Un RAG est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur. L'apprentissage peut être modélisé comme un jeu à somme nulle.
Français
<poll> Choisissez parmi ces termes proposés : réseaux adverses génératifs loc. nominale. masc. réseaux antagonistes génératifs loc. nominale. masc. </poll>
Discussion:
Pour le moment, le terme privilégié est «réseau antagoniste génératif».
"
Source:
Anglais
Generative adversarial network
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
