« 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 ==
+==Définition==
-[[Category:Vocabulary]]<br>
+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)''.
-[[Category:Intelligence artificielle]]Intelligence artificielle<br>
-[[Catégorie:Apprentissage automatique]]Apprentissage automatique<br>
-[[Catégorie:Réseau de neurones artificiels]]Réseau de neurones artificiels<br>
-[[Catégorie:Apprentissage profond]]Apprentissage profond<br>
-[[Category:Coulombe]]Coulombe<br>
-[[Catégorie:Scotty]]<br>
-== Définition ==
+==Français==
+'''sous-échantillonnage par valeur maximale'''
-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) (en anglais 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 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.
+'''sous-échantillonnage par le maximum'''
-== Français ==
+==Anglais==
-<poll>
+'''max-pooling'''
-Choisissez parmi ces termes proposés :
- sous-échantillonnage par le maximum
- max-pooling
-</poll>
-== Anglais ==
+==Sources==
+[https://computersciencewiki.org/index.php/ Source : Computersciencewiki]
-'''Max-Pooling'''
+[[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca]]
-A pooling operations typically used in Convolutional Neural Networks. A max-pooling layer selects the maximum value from a patch of features. Just like a convolutional layer, pooling layers are parameterized by a window (patch) size and stride size. For example, we may slide a window of size 2×2 over a 10×10 feature matrix using stride size 2, selecting the max across all 4 values within each window, resulting in a new 5×5 feature matrix. Pooling layers help to reduce the dimensionality of a representation by keeping only the most salient information, and in the case of image inputs, they provide basic invariance to translation (the same maximum values will be selected even if the image is shifted by a few pixels). Pooling layers are typically inserted between successive convolutional layers.
+[[Utilisateur:Patrickdrouin  | Source : Termino]]
+[[Category:Intelligence artificielle]]
+[[Catégorie:Apprentissage automatique]]
+[[Catégorie:Apprentissage profond]]
+[[Category:Termino 2019]]
+[[Category:GRAND LEXIQUE FRANÇAIS]]