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


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
m (Remplacement de texte : « ↵<small> » par «  ==Sources== »)
 
(8 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==Définition==
==Définition==
Réseau de neurones récurrent bidirectionnel 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.
Un réseau récurrent [[LMCT]] bidirectionnel (ou biLMCT) traite la donnée courante dans une séquence en tenant compte des données précédentes et des données suivantes.  


Note: il s'agit d'un mécanisme de « longue mémoire à court terme ».
Le plus souvent, un biLMCT est formé par l'empilement de deux réseaux récurrents [[LMCT]]. Un premier réseau LMCT traite les données dans une séquence de gauche à droite et un deuxième réseau LMCT traite les donnée de la séquence de droite à gauche. 
 
== Compléments ==
 
La sortie d'un [[Réseau_récurrent|réseau de neurones récurrent]] dépend des données traitées à toutes les itérations précédentes. Or, il est possible que la sortie dépende également des données à traiter dans le futur. Par exemple, en traitement de la langue naturelle, le résultat dépend du contexte de l'ensemble de la phrase, pas seulement des mots qui précèdent le mot courant mais également des mots qui le suivent.


==Français==
==Français==
'''réseau de neurones récurrent bidirectionnel à longue mémoire à court terme'''  <small>loc. nom. masc. </small>


'''réseau de neurones récurrent bidirectionnel à longue mémoire à court-terme'''  <small>loc. nom. masc.</small>
'''réseau récurrent bidirectionnel à longue mémoire court terme'''   


'''biMCLT'''  
'''réseau récurrent LMCT bidirectionnel'''


À éviter :
'''réseau récurrent biLMCT'''
« réseau de neurone récurrent bidirectionnel à mémoire court et long terme 
et « réseau de neurone récurrent bidirectionnel à long/court terme ».


'''réseau LMCT bidirectionnel''' 
'''réseau biLMCT'''
'''biLMCT'''


==Anglais==
==Anglais==
Ligne 20 : Ligne 26 :


'''bi-directional long short-term memory'''
'''bi-directional long short-term memory'''
'''bi-directional LSTM'''


'''biLSTM'''
'''biLSTM'''


'''bi-directional RNN'''


<small>
==Sources==


Source: Rivest, François (2009). ''Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations'', thèse de doctorat, Université de Montréal, 339 pages.
Source: Rivest, François (2009). ''Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations'', thèse de doctorat, Université de Montréal, 339 pages.

Dernière version du 28 janvier 2024 à 13:13

Définition

Un réseau récurrent LMCT bidirectionnel (ou biLMCT) traite la donnée courante dans une séquence en tenant compte des données précédentes et des données suivantes.

Le plus souvent, un biLMCT est formé par l'empilement de deux réseaux récurrents LMCT. Un premier réseau LMCT traite les données dans une séquence de gauche à droite et un deuxième réseau LMCT traite les donnée de la séquence de droite à gauche.

Compléments

La sortie d'un réseau de neurones récurrent dépend des données traitées à toutes les itérations précédentes. Or, il est possible que la sortie dépende également des données à traiter dans le futur. Par exemple, en traitement de la langue naturelle, le résultat dépend du contexte de l'ensemble de la phrase, pas seulement des mots qui précèdent le mot courant mais également des mots qui le suivent.

Français

réseau récurrent bidirectionnel à longue mémoire court terme

réseau récurrent LMCT bidirectionnel

réseau récurrent biLMCT

réseau LMCT bidirectionnel

réseau biLMCT

biLMCT

Anglais

bidirectional long short-term memory

bi-directional long short-term memory

bi-directional LSTM

biLSTM

bi-directional RNN

Sources

Source: Rivest, François (2009). Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations, thèse de doctorat, Université de Montréal, 339 pages.

Source: Baccouche, Moez (2013). Apprentissage neuronal de caractéristiques spatio-temporelles pour la classifica-tion automatique de séquences vidéo, thèse de doctorat, INSA de Lyon, 194 pages.

Source: Termino