« Réseau de croyances profond » : différence entre les versions

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.

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-En apprentissage automatique, un réseau de croyance profond (''Deep Belief Network'' - DBN) est un modèle graphique génératif, ou encore une classe de réseau de neurones profonds, 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]].
-Lorsqu'il est formé à un ensemble d'exemples sans supervision, un DBN peut apprendre à reconstruire de manière probabiliste ses entrées. Les couches agissent alors comme des détecteurs de caractéristiques. Après cette étape d'apprentissage, un DBN peut être davantage formé avec supervision pour effectuer la 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==
+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...
+-->
 ==Français==
-'''réseau de croyances profond '''  <small>masculin.</small>
+'''réseau de croyances profond '''
+'''réseau de croyances'''
+'''machine de Boltzmann profonde'''
+'''machine boltzmannienne profonde'''
+'''réseau de Boltzmann profond'''
 ==Anglais==
@@ Ligne 13 : / Ligne 28 : @@
 '''DBN'''
+'''Deep Boltzmann Machine'''
-<small>
+'''DBM'''
+==Sources==
 [https://fr.qwerty.wiki/wiki/Deep_belief_network Source: Qwerty wiki, ''Deep belief network.'']
 [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=RESEAU+CROYANCES+PROFOND&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]
+Source: Goodfellow, Ian; Bengio, Yoshua et Aaron Courville (2018), ''Apprentissage profond'', Paris, Massot éditions, 800 pages.
+[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.
 [[Catégorie:Intelligence artificielle]]
 [[Category:GRAND LEXIQUE FRANÇAIS]]