tlasWiki
PC
Sciences et natureN° 240332

Extreme learning machine

Sa spécificité est de n'avoir qu'une seule couche de nœuds cachés, où les poids des entrées de connexion de nœuds cachés sont répartis au hasard et jamais mis…

ATQ5 500DEF3 340

Extreme learning machine

Peu communeSciences et naturen° 240 332

577lecteurs par mois, en anglais
2fois tirée dans un paquet
—aucune vente sur 7 jours
Jouer et trouver cette carte

Ses 3 versions

  • PC
    Sciences et natureN° 240332

    Extreme learning machine

    Sa spécificité est de n'avoir qu'une seule couche de nœuds cachés, où les poids des entrées de connexion de nœuds cachés sont répartis au hasard et jamais mis…

    ATQ5 500DEF3 340
    Classique2 tirages
  • PCH
    Sciences et natureN° 240332

    Extreme learning machine

    Sa spécificité est de n'avoir qu'une seule couche de nœuds cachés, où les poids des entrées de connexion de nœuds cachés sont répartis au hasard et jamais mis…

    ATQ5 500DEF3 340
    HolographiqueJamais tirée
  • PCRB
    Sciences et natureN° 240332

    Extreme learning machine

    Sa spécificité est de n'avoir qu'une seule couche de nœuds cachés, où les poids des entrées de connexion de nœuds cachés sont répartis au hasard et jamais mis…

    ATQ5 500DEF3 340
    RainbowJamais tirée
Lire l'article de Wikipédia

Sa spécificité est de n'avoir qu'une seule couche de nœuds cachés, où les poids des entrées de connexion de nœuds cachés sont répartis au hasard et jamais mis à jour. Ces poids entre les nœuds cachés d'entrée et les sorties sont appris en une seule étape, ce qui revient essentiellement à l'apprentissage d'un modèle linéaire. Le nom "extreme learning machine" (ELM) a été donné à ces modèles par Guang-Bin Huang, mais le principe était déjà connu.

Autres Super spéciales rares en Sciences et nature

Texte : Wikipédia, « Extreme learning machine », licence CC BY-SA 4.0. Image : Original : Alisneaky Vecteur : Zirguezi, CC BY-SA 4.0, via Wikimedia Commons (recadrée). Comment jouer.