« Réseau de croyances profond » : différence entre les versions


Aucun résumé des modifications
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(6 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Définition==
==Définition==
En apprentissage automatique, un réseau de croyances profond (''Deep Belief Network'' - DBN) ou une machine de Boltzman profonde est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, composé de plusieurs couches de variables latentes (unités cachées) avec des connexions entre les couches mais pas entre chaque couche.
En apprentissage automatique, un réseau de croyances profond (''Deep Belief Network'' - DBN) ou une machine de Boltzmann profonde est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, constitué de [[Machine de Boltzmann restreinte|machines de Boltzmann restreintes]].
 
Réseau de neurones constitué de machines de Boltzmann restreintes dans laquelle chaque couche communique à la fois avec les couches précédentes et suivantes, mais dans laquelle les nœuds d'une même couche ne communiquent pas entre eux latéralement.


Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification.
Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification.


<!--
==Compléments==
==Compléments==
En intelligence artificielle, [[graphe acyclique]] orienté dans lequel les nœuds représentent des [[variable]]s, les arcs représentent des dépendances directes entre les variables liées, et la force de ces dépendances sont quantifiés par des [[probabilité conditionnelle|probabilités conditionnelles]].
En intelligence artificielle, [[graphe acyclique]] orienté dans lequel les nœuds représentent des [[variable]]s, les arcs représentent des dépendances directes entre les variables liées, et la force de ces dépendances sont quantifiés par des [[probabilité conditionnelle|probabilités conditionnelles]].


à valider...
à valider...
-->


==Français==
==Français==
Ligne 16 : Ligne 16 :
'''réseau de croyances'''
'''réseau de croyances'''


'''machine de Boltzman profonde'''
'''machine de Boltzmann profonde'''


'''machine boltzmannienne profonde'''   
'''machine boltzmannienne profonde'''   


'''réseau de Boltzmann profond'''  
'''réseau de Boltzmann profond'''  
 
'''réseau de croyance profond'''


==Anglais==
==Anglais==
Ligne 34 : Ligne 32 :
'''DBM'''
'''DBM'''


<small>
==Sources==


[https://fr.qwerty.wiki/wiki/Deep_belief_network Source: Qwerty wiki, ''Deep belief network.'']
[https://fr.qwerty.wiki/wiki/Deep_belief_network Source: Qwerty wiki, ''Deep belief network.'']
Ligne 43 : Ligne 41 :


[https://fr.qwe.wiki/wiki/Deep_belief_network  Source :qwe ]]
[https://fr.qwe.wiki/wiki/Deep_belief_network  Source :qwe ]]
[https://www.analyticsvidhya.com/blog/2022/03/an-overview-of-deep-belief-network-dbn-in-deep-learning/  Source :analyticsvidhya ]


Note:  '''réseau de croyances profond'''  désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada.
Note:  '''réseau de croyances profond'''  désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada.

Dernière version du 28 janvier 2024 à 13:21

Définition

En apprentissage automatique, un réseau de croyances profond (Deep Belief Network - DBN) ou une machine de Boltzmann profonde est un modèle graphique génératif, ou encore une classe de réseau de neurones profond, constitué de machines de Boltzmann restreintes.

Lorsqu'il est entraîné sur un ensemble de données sans supervision, un réseau de croyances profond peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs d'attributs. Après cette étape d'entraînement, un réseau de croyances profond peut être entraîné à nouveau avec supervision pour effectuer une classification.


Français

réseau de croyances profond

réseau de croyances

machine de Boltzmann profonde

machine boltzmannienne profonde

réseau de Boltzmann profond

Anglais

Deep Belief Network

DBN

Deep Boltzmann Machine

DBM

Sources

Source: Qwerty wiki, Deep belief network.

Source : TERMIUM Plus

Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), Apprentissage profond, Paris, Massot éditions, 800 pages.

Source :qwe ]

Source :analyticsvidhya

Note: réseau de croyances profond désignation validée par des spécialistes canadiens de l'Université Concordia, de l'Université Dalhousie, de l'Université Laval et de Microsoft Canada.