« Réseau neuronal guidé par la théorie » : différence entre les versions

Version du 23 septembre 2025 à 14:56

Définition

Réseau neuronal qui intégrent la connaissance de lois théoriques dans le processus d'entraînement.

Compléments

Par exemple un réseau neuronal guidé par la physique (physics-informed neural network ou PINN) incorpore des lois de la physique aux données d'entraînement. Ces lois de la physique prennent souvent la forme d'équations aux dérivées partielles. En mécanique des fluides, un réseau neuronal guidé par la théorie est entraîné à partir de données ou de paramètres d'entrée qui reproduisent en sortie le comportement d'une équation de Navier-Stokes. L'utilisation de telles contraintes a pour objectif de guider l'apprentissage du modèle pour en améliorer les performances pour des applications spécifiques à un domaine.

Français

réseau neuronal guidé par la théorie

réseau de neurones guidé par la théorie

réseau de neurones informé par la théorie

RNGT

RNIT

Anglais

theory-informed neural network

TTN

Sources

Wikipedia Réseaux neuronaux guidés par la théorie

Dillon et Spannowsky (2025) Theory-informed neural network

Wikipedia Physics-informed neural network

@@ Ligne 3 : / Ligne 3 : @@
 == Compléments ==
-Par exemple un ''réseau neuronal guidé par la physique (physics-informed neural network ou PINN)'' incorpore des lois de la physique aux [[données d'entraînement]].  Ces lois physiques prennent souvent la forme d'équations aux dérivées partielles. En mécanique des fluides, un réseau neuronal guidé par la théorie est entraîné à partir de données ou de paramètres d'entrée qui reproduisent en sortie le comportement d'une équation de Navier-Stokes. L'utilisation de telles contraintes a pour objectif de guider l'[[apprentissage]] du [[modèle]] pour en améliorer les performances pour des applications spécifiques à un domaine.
+Par exemple un ''réseau neuronal guidé par la physique (physics-informed neural network ou PINN)'' incorpore des lois de la physique aux [[données d'entraînement]].  Ces lois de la physique prennent souvent la forme d'équations aux dérivées partielles. En mécanique des fluides, un réseau neuronal guidé par la théorie est entraîné à partir de données ou de paramètres d'entrée qui reproduisent en sortie le comportement d'une équation de Navier-Stokes. L'utilisation de telles contraintes a pour objectif de guider l'[[apprentissage]] du [[modèle]] pour en améliorer les performances pour des applications spécifiques à un domaine.
 ==Français==

« Réseau neuronal guidé par la théorie » : différence entre les versions