« Réseau récurrent à longue mémoire court terme » : différence entre les versions

Dernière version du 31 mars 2024 à 19:41

Définition

Un réseau de neurones récurrent (RNR) à longue mémoire court terme (LMCT) comporte plusieurs mécanismes internes (une cellule mémoire, une porte d'entrée, une porte de sortie et une porte d'oubli) permettant de tenir compte à la fois des dépendances courtes et longues dans les séquences de données. Ces mécanismes de portes sont aussi conçus pour atténuer le problème de la disparition du gradient.

Compléments

En principe, un réseau de neurones récurrent LMCT essaie de "se souvenir" des informations importantes que le réseau a vues jusqu'à présent et à "oublier" les informations non pertinentes. Cela se fait en introduisant différents circuits de fonction d'activation appelées "portes" que l'on peut concevoir comme de petits robinets. Les paramètres associés aux différentes portes sont appris par entraînement sur des données.

Puisqu'il s'agit d'un mécanisme de longue mémoire à court terme, il faut éviter les formes suivantes :

réseau de neurone récurrent à mémoire court et long terme
réseau de neurone récurrent à long/court terme

Français

réseau récurrent à longue mémoire court-terme

réseau récurrent LMCT

réseau de neurones récurrent à longue mémoire court-terme

RNR à longue mémoire court-terme

réseau récurrent à longue mémoire court terme

RNR à longue mémoire court terme

réseau de neurones récurrent LMCT

réseau LMCT

RNR LMCT

LMCT

réseau récurrent à mémoire long terme et court terme (déconseillé)

réseau récurrent à mémoire court terme et long terme (déconseillé)

Anglais

long short term memory neural network

long short term memory memory network

long short-term memory

LSTM

Sources

Source : Goodfellow, Bengio, Courville L'apprentissage profond, Éditeur Florent Massot 2018

Source : Claude Coulombe - thèse

Source : Claude Coulombe, Datafranca.org

Source : Termino Categorie:Publication

@@ Ligne 1 : / Ligne 1 : @@
-==Domaine==
+==Définition==
-[[Category:Vocabulary2]]
+Un '''[[Réseau récurrent|réseau de neurones récurrent (RNR)]]''' à longue mémoire court terme (LMCT) comporte plusieurs mécanismes internes (une cellule mémoire, une porte d'entrée, une porte de sortie et une porte d'oubli) permettant de tenir compte à la fois des dépendances courtes et longues dans les séquences de données. Ces mécanismes de portes sont aussi conçus pour atténuer le  '''[[problème de la disparition du gradient]]'''.
-[[Catégorie:App-profond-livre2]]
-[[Catégorie:Coulombe2]]
+== Compléments ==
-[[Catégorie:Apprentissage profond]]Apprentissage profond<br/>
+En principe, un réseau de neurones récurrent LMCT essaie de "se souvenir" des informations importantes que le réseau a vues jusqu'à présent et à "oublier" les informations non pertinentes. Cela se fait en introduisant différents circuits de fonction d'activation appelées "portes" que l'on peut concevoir comme de petits robinets. Les paramètres associés aux différentes portes sont appris par entraînement sur des données.
-[[Category:GRAND LEXIQUE FRANÇAIS]]
+<hr/>
-[[Category:Termino 2019]]
+Puisqu'il s'agit d'un mécanisme de longue mémoire à court terme, il faut éviter les formes suivantes :
-[[Category: scotty2]]
+*réseau de neurone récurrent à mémoire court et long terme
+*réseau de neurone récurrent à long/court terme
+==Français==
+'''réseau récurrent à longue mémoire court-terme'''
+'''réseau récurrent LMCT'''
+'''réseau de neurones récurrent à longue mémoire court-terme'''
-==Définition==
+'''RNR à longue mémoire court-terme'''
-Réseau de neurones récurrent dont les neurones comportent plusieurs mécanismes internes (une cellule mémoire, une porte d'entrée, une porte de sortie et une porte d'oubli) permettant de tenir compte à la fois des dépendances (courtes et longues) dans les séquences de données.
-Note
+'''réseau récurrent à longue mémoire court terme'''
-Il faut noter qu'il s'agit d'un mécanisme de longue mémoire à court terme. Il faut ainsi éviter les formes suivantes :
+'''RNR à longue mémoire court terme'''
-* réseau de neurone récurrent à mémoire court et long terme
+'''réseau de neurones récurrent LMCT'''
-* réseau de neurone récurrent à mémoire court et long terme
-* réseau de neurone récurrent à long/court terme
+'''réseau LMCT'''
-==Français==
+'''RNR LMCT'''
-'''réseau de neurones récurrent à longue mémoire à court terme'''
-'''réseau de neurones récurrent à longue mémoire court-terme'''
+'''LMCT'''
-'''réseau de neurones récurrent LMCT'''
+'''réseau récurrent à mémoire long terme et court terme''' <small>(déconseillé)</small>
+'''réseau récurrent à mémoire court terme et long terme''' <small>(déconseillé)</small>
 ==Anglais==
+'''long short term memory neural network'''
+'''long short term memory memory network'''
 '''long short-term memory'''
 '''LSTM'''
+==Sources==
+[https://datafranca.org/wiki/Cat%C3%A9gorie:App-profond-livre Source :  Goodfellow, Bengio, Courville'' L'apprentissage profond'',   Éditeur Florent Massot  2018]
+[https://r-libre.teluq.ca/1894/1/Th%C3%A8se_Coulombe.pdf Source : Claude Coulombe - thèse]
-[https://datafranca.org/wiki/Discussion:Longue_m%C3%A9moire_%C3%A0_court_terme Voir discussion sur '''Long Short-Term Memory''' >]
+[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca.org]]
-[https://datafranca.org/wiki/Cat%C3%A9gorie:App-profond-livre source :  L'apprentissage profond   Éditeur Florent Massot  2018]
+[[Utilisateur:Patrickdrouin  | Source : Termino]]
-[[Utilisateur:Claude COULOMBE | source : Claude Coulombe, Datafranca.org]]
+[[Catégorie:Apprentissage profond]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]
-[[Utilisateur:Patrickdrouin  | Source : Termino  ]]
+[[Category:Termino 2019]]
+[[Categorie:Publication]]

« Réseau récurrent à longue mémoire court terme » : différence entre les versions