« Rétropropagation » : différence entre les versions

Version du 15 août 2022 à 01:40

Définition

La rétropropagation est une méthode qui permet aux réseaux de neurones artificiels' d’apprendre. Plus spécifiquement, la rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones artificiels d’apprendre à partir de ses erreurs.

L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie.

Compléments

On soumet des données à un réseau de neurones et on lui indique ses bonnes et ses mauvaises réponses. Cette méthode permet d’augmenter le poids relatif des neurones correspondant aux bonnes réponses ou de réduire le poids relatif des neurones correspondant aux mauvaises réponses.

Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante.

Français

rétropropagation

rétropropagation de l'erreur

rétropropagation d'erreurs

rétropropagation des erreurs

Anglais

backpropagation

error backpropagation

error feedback propagation

feedback propagation

Source: Lavery.ca.

Source: Google, Machine learning glossary.

@@ Ligne 1 : / Ligne 1 : @@
 ==Définition==
-La rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un '''[[Réseau de neurones artificiels|réseau de neurones artificiels]]''' d’apprendre. L'idée générale est de propager l'erreur de la sortie vers l’arrière du réseau de neurones afin d'ajuster les poids (paramètres) et d’ainsi minimiser l’erreur de sortie.
+La rétropropagation est une méthode qui permet aux ''[[Réseau de neurones artificiels|réseaux de neurones artificiels]]''' d’apprendre. Plus spécifiquement, la rétropropagation de l'erreur est au cœur de l'algorithme d’optimisation permettant à un réseau de neurones artificiels d’apprendre à partir de ses erreurs.
-Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une erreur positive en sortie implique une réduction du poids de l'entrée. Une erreur négative en sortie implique une augmentation du poids de l'entrée. Un raffinement à cette approche consiste à corriger la pondération proportionnellement à la valeur de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante.
+L'idée générale est de propager l'erreur de la sortie vers l’entrée du réseau de neurones afin d'ajuster les poids (ou paramètres) du réseau et d’ainsi minimiser petit à petit l’erreur de sortie.
 ==Compléments==
-La rétropropagation est une méthode qui permet aux réseaux de neurones d’apprendre. Plus spécifiquement, si l’on soumet des données à un réseau de neurones et qu’on lui indique les résultats désirables et indésirables, cette méthode permet d’augmenter ou de réduire le poids relatif à accorder aux neurones correspondant aux résultats désirables. C’est donc une méthode qui permet à un réseau de neurones d’apprendre à distinguer une bonne d’une mauvaise réponse.
+On soumet des données à un réseau de neurones et on lui indique ses bonnes et ses mauvaises réponses. Cette méthode permet d’augmenter le poids relatif des neurones correspondant aux bonnes réponses ou de réduire le poids relatif des neurones correspondant aux mauvaises réponses.
-voir '''[[Rétropropagation]]'''
+Une première technique consiste à modifier le poids de l'entrée en signe inverse de l'erreur en sortie. Une mauvaises réponse en sortie implique une réduction du poids de l'entrée. Une bonne réponse en sortie implique une augmentation du poids de l'entrée. Un raffinement de cette approche consiste à corriger la pondération proportionnellement à l'importance de l'erreur. C'est-à-dire que plus l'erreur est grande, ce qui correspond à une plus grande différence entre la valeur cible (ou valeur vraie) et la prédiction, plus la correction est importante.
 ==Français==
-'''rétropopagation'''
+'''rétropropagation'''
 '''rétropropagation de l'erreur'''
@@ Ligne 19 : / Ligne 20 : @@
 ==Anglais==
-'''  error back propagation   '''
-'''  error feedback propagation   '''
+'''backpropagation'''
+'''error backpropagation'''
+'''error feedback propagation'''
-'''  feedback propagation   '''
+'''feedback propagation'''
 <small>
 [http://www.lavery.ca/FTP/publication/laboratoire-intelligence-artificielle-lexiqueFR.html#p=9 ''Source: Lavery.ca.'']
 [https://developers.google.com/machine-learning/glossary/ Source: Google, ''Machine learning glossary''.]
 </small><br> <div style="border:2px solid #336699; background: #f6f6f6; padding: 1em; margin-bottom:1em; width: 90%;"><html><a href="https://datafranca.org/wiki/Cat%C3%A9gorie:101"><img src="https://datafranca.org/images/icone-101-mots.png" width="250"></a></html>
 <br></div><br><br>
 [[Catégorie:GDT]]
 [[Category:GRAND LEXIQUE FRANÇAIS]]
 [[Catégorie:101]]
+[[Catégorie:PUBLICATION]]