« Sous-échantillonnage » : différence entre les versions

Version du 30 mars 2025 à 04:42

Définition

Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l'échantillon) par une valeur unique calculée à partir des valeurs de l'échantillon selon une règle prédéterminée.

Cette règle à la base du sous-échantillonnage peut être de différentes natures, mais les types les plus utilisés sont le sous-échantillonnage par valeur maximale (max pooling) et le sous-échantillonnage par valeur moyenne (average pooling).

Compléments

En vision artificielle, cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs visuels tout en réduisant la dimension des représentations.

Voir Couche de sous-échantillonnage

Français

sous-échantillonnage

ré-échantillonnage

rééchantillonnage

mise en commun

Anglais

pooling

subsampling

resampling

Sources

Source : Amidi, Shervine et Afshine Amidi, Pense-bête de réseaux de neurones convolutionnels.

Source : Google, Machine learning glossary.

Source : Goodfellow, Bengio, Courville p.344, L'Apprentissage profond.

@@ Ligne 1 : / Ligne 1 : @@
+==Définition==
+Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l''''[[échantillon]]''') par une valeur unique calculée à partir des valeurs de l'échantillon selon une règle prédéterminée.
+Cette règle à la base du sous-échantillonnage peut être de différentes natures, mais les types les plus utilisés sont le [[sous-échantillonnage par valeur maximale|'''sous-échantillonnage par valeur maximale''']] ''(max pooling)'' et le [[sous-échantillonnage par valeur moyenne|'''sous-échantillonnage par valeur moyenne''']] ''(average pooling)''.
+== Compléments ==
+En vision artificielle, cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs visuels tout en réduisant la dimension des [[représentation|représentations]].
-==Définition==
+Voir '''[[Couche de sous-échantillonnage]]'''
-Processus qui consiste à remplacer les valeurs contenues dans une fenêtre d'observation (l'échantillon) par une valeur unique calculée à partir des valeurs de l'échantillon. Cela permet de rajouter de l’invariance spatiale lors de l’extraction d'attributs tout en réduisant la dimension des données. Le calcul à la base du sous-échantillonnage peut être de différentes natures mais les types les plus utilisés sont le [[sous-échantillonnage par valeur maximale|sous-'''échantillonnage par valeur maximale''']] ''(Max Pooling)'' et le [[sous-échantillonnage par valeur moyenne|'''sous-échantillonnage par valeur moyenne''']] ''(Average Pooling)''.
 ==Français==
-'''agrégation'''
+'''sous-échantillonnage'''
+'''ré-échantillonnage'''
-'''sous-échantillonnage'''  <small> masculin </small>
+'''rééchantillonnage'''
 '''mise en commun'''
-'''regroupement'''
 ==Anglais==
 '''pooling'''
+'''subsampling'''
-<small>
+'''resampling'''
-[https://stanford.edu/~shervine/l/fr/teaching/cs-230/pense-bete-reseaux-neurones-convolutionnels Source: Amidi, Shervine et Afshine Amidi, ''Pense-bête de réseaux de neurones convolutionnels''.]
+==Sources==
-Source: Google, '' Machine learning glossary''.
+[https://stanford.edu/~shervine/l/fr/teaching/cs-230/pense-bete-reseaux-neurones-convolutionnels Source : Amidi, Shervine et Afshine Amidi, ''Pense-bête de réseaux de neurones convolutionnels''.]
-Source: Goodfellow, Bangio, Courville p.344, ''L'Apprentissage profond''.
+[https://developers.google.com/machine-learning/glossary?hl=fr   Source : Google, ''Machine learning glossary''.]
-[[Utilisateur:Patrickdrouin  | Source: Termino]]
+Source : Goodfellow, Bengio, Courville p.344, ''L'Apprentissage profond''.
+[[Category:Intelligence artificielle]]
-[[Category:Intelligence artificielle]]
-[[Category:Termino 2019]]
 [[Category:GRAND LEXIQUE FRANÇAIS]]
+[[Catégorie:Publication]]

« Sous-échantillonnage » : différence entre les versions