Accueil>Tests>Questions>Gradient descent est un algorithme d'optimisation utilisé pour entraîner des réseaux de neurones. Son objectif est de modifier les paramètres du modèle jusqu'à trouver un des minima locaux de la fonction de coût (<=> des valeurs de poids et de biais très efficaces).
Question du test Deep learning - Les bases
Gradient descent est un algorithme d'optimisation utilisé pour entraîner des réseaux de neurones. Son objectif est de modifier les paramètres du modèle jusqu'à trouver un des minima locaux de la fonction de coût (<=> des valeurs de poids et de biais très efficaces).
Difficile
Compléter la phrase : l’algorithme de descente de gradient est un algorithme d’optimisation utilisé pour entraîner le réseau de neurones. Son objectif est de modifier ses paramètres jusqu’à trouver…
Auteur: MartinStatut : PubliéeQuestion passée 209 fois
Modifier
0
Évaluations de la communautéPersonne n'a encore évalué cette question, soyez le premier !
1
Comment définir l'apprentissage non supervisé ? Dans l'apprentissage non supervisé...1
Quel type de réseau de neurones est le meilleur pour le traitement d'images?2
La validation croisée est une technique utilisée pour évaluer les modèles DL (deep learning) (et les modèles ML en général). La méthode consiste à entraîner plusieurs modèles sur des sous-ensembles des données d'entrée et à les évaluer sur le sous-ensemble complémentaire de ces mêmes données. Elle vise à éviter le surapprentissage.4
Quels sont les processus suivants qui sont des processus d'apprentissage automatique mais qui ne sont pas particulièrement liés à l'apprentissage profond?8
Donné un réseau de neurones avec 4 entrées, combien de connexions pourraient exister entre la couche d'entrée et la première couche cachée?14
Quelle est la relation entre l'intelligence artificielle (IA), l'apprentissage automatique et l'apprentissage profond?15
Quel est le mot manquant dans la phrase suivante : Overfitting est la production d'un modèle qui correspond trop étroitement à l'ensemble de données d'apprentissage et peut donc ne pas s'adapter à d'autres ensembles de données et donc ne pas effectuer de prévision fiable.