Poids

Contenu

• Définition - Que signifie poids?
• Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.
• Techopedia explique le poids

Définition - Que signifie poids?

L'idée de poids est un concept fondamental dans les réseaux de neurones artificiels. Un ensemble d'entrées pondérées permet à chaque neurone ou noeud artificiel du système de produire des sorties associées. Les professionnels qui s’occupent de projets d’apprentissage automatique et d’intelligence artificielle dans lesquels des réseaux de neurones artificiels sont utilisés pour des systèmes similaires parlent souvent du poids en fonction de systèmes biologiques et technologiques.

Le poids est également appelé poids synaptique.

Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.

Techopedia explique le poids

Dans un neurone artificiel, un ensemble d'entrées pondérées est le véhicule par lequel le neurone s'engage dans une fonction d'activation et produit une décision (qu'il déclenche ou non). Les réseaux de neurones artificiels classiques comportent diverses couches, notamment une couche d'entrée, des couches cachées et une couche de sortie. À chaque couche, chaque neurone reçoit ces entrées et les pondère en conséquence. Cela simule l'activité biologique de neurones individuels, en utilisant des signaux de poids synaptique donné, allant de l'axone d'un neurone aux dendrites d'un autre neurone.

Les professionnels de l'informatique peuvent utiliser des équations mathématiques spécifiques et des fonctions de modélisation visuelle pour montrer comment les poids synaptiques sont utilisés dans un réseau de neurones artificiels. Dans un système appelé rétropropagation, les poids d'entrée peuvent être modifiés en fonction des fonctions de sortie à mesure que le système apprend à les appliquer correctement. Tout cela est fondamental au fonctionnement des réseaux de neurones dans les projets sophistiqués d’apprentissage automatique.