@prefix owl: . @prefix skos: . @prefix dc: . @prefix xsd: . a owl:Ontology, skos:ConceptScheme . skos:example "Ces poids sont les paramètres du modèle et sont estimés lors de la phase d'apprentissage. (Constant, Sigogne & Watrin, 2012)"@fr, "De manière générale, le poids associé à une feature d'un CRF représente son pouvoir discriminant. (Tellier & Dupont, 2013)"@fr, "Ces poids constituent les paramètres du modèle devant être estimés au cours de l'apprentissage. (Tellier & Dupont, 2013)"@fr, "Le poids d'un mot représente à la fois son importance et le fait qu'il est discriminant ou non. (Semmar, Zennaki & Laib, 2016)"@fr ; skos:definition "Nombre qui constitue un paramètre ajustable de la fonction d'activation d'un neurone et dont le rôle est de multiplier les valeurs reçues en entrée de ce même neurone. (ARTES)"@fr, "Adjustable numerical parameter of the non-linear function at the core of the neuron, designed to multiply the input values of this same neuron. (ARTES)"@en ; skos:note "Un neurone est une fonction non linéaire, paramétrée, à valeurs bornées. […] La fonction f peut être paramétrée de manière quelconque. Deux types de paramétrage sont fréquemment utilisés : les paramètres sont attachés aux variables du neurone : la sortie du neurone est une fonction non linéaire d’une combinaison des variables {xi} pondérées par les paramètres {wi}, qui sont alors souvent désignés sous le nom de « poids » ou, en raison de l’inspiration biologique des réseaux de neurones, « poids synaptiques ». Conformément à l’usage (également inspiré par la biologie), cette combinaison linéaire sera appelée « potentiel » dans tout cet ouvrage. Le potentiel v le plus fréquemment utilisé est la somme pondérée, à laquelle s’ajoute un terme constant ou « biais ». (Dreyfus, G. and al., Apprentissage statistique : réseaux de neurones, cartes topologiques, machines à vecteurs supports, 2008)"@fr, "Phrase-based statistical machine translation systems (Koehn et al., 2003) translate sentences by maximising the translation probability as defined by the log-linear combination of a number of feature functions, whose weights are chosen to optimise translation quality (Och, 2003). (Denkowski, M. and al., Meteor 1.3: Automatic Metric for Reliable Optimization and Evaluation of Machine Translation Systems In WMT 11, Sixth Workshop on Statistical Machine Translation: Proceedings of the Workshop, 2011)"@en ; dc:modified "2024-06-10T08:48:02"^^xsd:dateTime ; skos:hiddenLabel "Weight"@en, "Poids"@fr ; a skos:Concept ; skos:broader , ; skos:inScheme ; skos:prefLabel "weight"@en, "poids"@fr . skos:prefLabel "trainable parameter"@en, "paramètre entraînable"@fr ; a skos:Concept ; skos:narrower . skos:prefLabel "neurone"@fr, "neuron"@en ; a skos:Concept ; skos:narrower .