3. Réseaux de neurones profonds
3.1 Caractéristiques
Les réseaux de neurones profonds ont un grand nombre de couches cachées. Il existe plusieurs types de ces réseaux :
les DNN sont typiquement unidirectionnels, les calculs se propageant des entrées vers la sortie. La phase d’apprentissage se fait également des entrées vers les sorties, en ajustant étape par étape les poids des différentes couches, de la dernière vers la première ;
dans les réseaux de neurones récurrents (RNN), les informations peuvent se propager dans les deux directions ;
les réseaux de neurones convolutionnels (CNN) comprennent des convolutions. Ils sont notamment utilisés en vision par ordinateur. Les réseaux de neurones résiduels sont un cas particulier de CNN, où des connexions permettent...
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Réseaux de neurones profonds
Formats de données
Sources bibliographiques
- (1) - NIELSEN (M.) - Neural Network and Deep Learning, - http://neuralnetworksanddeeplearning.com/
- (2) - TensorFlow - -
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Article inclus dans l'offre
"Technologies logicielles Architectures des systèmes"
(
408 articles
)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
