« Sous-échantillonnage par valeur maximale » : différence entre les versions

Dernière version du 28 janvier 2024 à 13:06

Définition

Technique de sous-échantillonnage qui consiste à remplacer tous les éléments inclus dans une fenêtre d'observation (fenêtre de calcul, ou fenêtre de voisinage) par la valeur maximale parmi tous les éléments dans cette fenêtre. Le sous-échantillonnage par le maximum permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le sous-échantillonnage peut être de différente nature mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale (max pooling) et le sous-échantillonnage par valeur moyenne (average pooling).

Français

sous-échantillonnage par valeur maximale

sous-échantillonnage par le maximum

Anglais

max-pooling

Sources

Source : Computersciencewiki

Source : Claude Coulombe, Datafranca

Source : Termino

@@ Ligne 1 : / Ligne 1 : @@
-==Domaine==
-[[Category:Intelligence artificielle]]
-[[Catégorie:Apprentissage automatique]]
-[[Catégorie:Réseau de neurones artificiels]]
-[[Catégorie:Apprentissage profond]]
-[[Category:Coulombe2]]
-[[Catégorie:Scotty2]]
-[[Category:GRAND LEXIQUE FRANÇAIS]]
-<br>
 ==Définition==
+Technique de '''[[sous-échantillonnage]]''' qui consiste à remplacer tous les éléments inclus dans une fenêtre d'observation (fenêtre de calcul, ou fenêtre de voisinage) par la valeur maximale parmi tous les éléments dans cette fenêtre. Le sous-échantillonnage par le maximum permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le sous-échantillonnage peut être de différente nature mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale ''(max pooling)'' et le [[sous-échantillonnage par valeur moyenne|'''sous-échantillonnage par valeur moyenne''']] ''(average pooling)''.
-Le sous-échantillonnage par le maximum (en anglais ''max-pooling'') est une technique utilisée au niveau des couches de partage (''pooling layers'') des réseaux de neurones convolutifs (RNC) (''Convolutional Neural Networks -'' CNN) pour sous-échantillonner les données afin de réduire le nombre de paramètres, la quantité de calculs et par conséquent le sur-ajustement (''overfitting''). Plus précisément, le sous-échantillonnage par le maximum consiste à réduire la dimension des données en ne conservant que l’information la plus importante. Par exemple, dans le cas d'une image, la technique de sous-échantillonnage par le maximum ne retiendra que le pixel du voisinage qui a la plus forte intensité.
 ==Français==
-''' sous-échantillonnage par le maximum'''  locution nominale, masc.
+'''sous-échantillonnage par valeur maximale'''
+'''sous-échantillonnage par le maximum'''
 ==Anglais==
-'''Max-Pooling'''
+'''max-pooling'''
+==Sources==
+[https://computersciencewiki.org/index.php/ Source : Computersciencewiki]
-[https://computersciencewiki.org/index.php/Max-pooling_/_Pooling Source: wikipedia]
+[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca]]
-[[Utilisateur:Claude COULOMBE | source : Claude Coulombe]]            ([[Discussion utilisateur:Claude COULOMBE | discussion]])
+[[Utilisateur:Patrickdrouin  | Source : Termino]]
-________________________
+[[Category:Intelligence artificielle]]
+[[Catégorie:Apprentissage automatique]]
+[[Catégorie:Apprentissage profond]]
+[[Category:Termino 2019]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]