« RMSProp » : différence entre les versions

Dernière version du 28 janvier 2024 à 12:34

Définition

RMSprop est un algorithme d'optimisation qui accélère la descente de gradient, il est utilisé pour entraîner des modèles à base de réseaux de neurones profonds.

RMSProp pour « Root Mean Square Propagation » pourrait être traduit par RCEQM pour racine carrée de l'erreur quadratique moyenne.

Français

RMSprop acronyme

Anglais

RMSProp

Sources

Source: Claude Coulombe, Datafranca.org

@@ Ligne 1 : / Ligne 1 : @@
-== Domaine ==
+==Définition==
-[[Category:Vocabulary]]<br>
+RMSprop est un algorithme d'optimisation qui accélère la descente de gradient, il est utilisé pour entraîner des modèles à base de réseaux de neurones profonds.
-[[Category:Intelligence artificielle]]Intelligence artificielle<br>
-[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br>
+RMSProp pour « ''Root Mean Square Propagation'' » pourrait être traduit par RCEQM pour racine carrée de l'erreur quadratique moyenne.
-[[Catégorie:Algorithme d'optimisation]]Algorithme d'optimisation<br>
-[[Catégorie:Apprentissage profond]]Apprentissage profond<br>
+==Français==
-[[Category:Coulombe]]Coulombe<br>
-[[Catégorie:Scotty]]<br>
-== Définition ==
-RMSprop est un algorithme d'optimisation qui accélère la descente de gradient. RMSprop est utilisé pour entraîner des modèles à base de réseaux de neurones profonds.
-== Français ==
+'''RMSprop ''' <small>acronyme </small>
-<h3><poll> Choisissez parmi ces termes proposés :
-RCEQM
-RCEQMprop
-REQM
-REQMprop
-RMSprop
-</poll><
-</h3>
-<h3>Discussion:</h3> Pour le moment, le terme privilégié est «RMSprop» considéré comme un nom propre.<br>
-RMSProp pour «Root Mean Square error prop» pourrait être traduit par RCEQM pour racine carrée de l'erreur quadratique moyenne.
-Sous forme plus courte par REQM pour racine de l'erreur quadratique moyenne.
-== Anglais ==
+==Anglais==
 '''RMSProp'''
-RMSProp is a gradient-based optimization algorithm. It is similar to Adagrad, but introduces an additional decay term to counteract Adagrad’s rapid decrease in learning rate.
-•	Neural Networks for Machine Learning Lecture 6a
+==Sources==
-•	Stanford CS231n: Optimization Algorithms
-•	An overview of gradient descent optimization algorithms
+[[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]
+[[Category:Intelligence artificielle]]
+[[Catégorie:Apprentissage automatique]]
+[[Catégorie:Apprentissage profond]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]