Libellé préféré : réseau neuronal résiduel; 
Définition CISMeF : Un réseau neuronal résiduel (ResNet) est un réseau neuronal artificiel (ANN). Il s'agit
               d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond
               avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents.
               Les sauts de connexion ou « raccourcis » sont utilisés pour passer par-dessus certaines
               couches (les HighwayNets peuvent également avoir des poids pour les sauts eux-mêmes,
               grâce à une matrice de poids supplémentaire pour leurs portes). Les neurones à l'origine
               d'un saut de connexion sont appelés les neurones « amonts ». Les modèles ResNet typiques
               sont mis en œuvre avec des sauts à double ou triple couche qui contiennent des non-linéarités
               (ReLU) et une normalisation par lots entre les deux. Les modèles avec plusieurs sauts
               parallèles sont appelés DenseNets (source https://fr.wikipedia.org/wiki/R%C3%A9seau_neuronal_r%C3%A9siduel).; 
Acronyme CISMeF : ResNet; 
         
         
            Identifiant d'origine : M000766641; 
 Record lié au concept Record lié au concept
 
         
         
         Un réseau neuronal résiduel (ResNet) est un réseau neuronal artificiel (ANN). Il s'agit
            d'une variante du HighwayNet , le premier réseau neuronal à action directe très profond
            avec des centaines de couches, beaucoup plus profond que les réseaux neuronaux précédents.
            Les sauts de connexion ou « raccourcis » sont utilisés pour passer par-dessus certaines
            couches (les HighwayNets peuvent également avoir des poids pour les sauts eux-mêmes,
            grâce à une matrice de poids supplémentaire pour leurs portes). Les neurones à l'origine
            d'un saut de connexion sont appelés les neurones « amonts ». Les modèles ResNet typiques
            sont mis en œuvre avec des sauts à double ou triple couche qui contiennent des non-linéarités
            (ReLU) et une normalisation par lots entre les deux. Les modèles avec plusieurs sauts
            parallèles sont appelés DenseNets (source https://fr.wikipedia.org/wiki/R%C3%A9seau_neuronal_r%C3%A9siduel).