« Sous-échantillonnage » : différence entre les versions

Dernière version du 10 avril 2025 à 20:35

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 de la valeur maximale (max-pooling) et le sous-échantillonnage de la 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 de la valeur maximale|'''sous-échantillonnage de la valeur maximale''']] ''(max-pooling)'' et le [[sous-échantillonnage de la valeur moyenne|'''sous-échantillonnage de la 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'''   <small>féminin</small>
+'''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]]

« Sous-échantillonnage » : différence entre les versions