AlexNet
AlexNet est un réseau neuronal convolutif profond (CNN) introduit par Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton en 2012. Il a remporté l'ImageNet Large Scale Visual Recognition Challenge (ILSVRC 2012) avec un taux d'erreur top-5 de 15,3 %, surpassant le second de plus de 10 points de pourcentage et ravivant un large intérêt pour l'apprentissage profond. L'architecture a introduit ou popularisé plusieurs techniques — activations ReLU, régularisation par dropout, et entraînement multi-GPU — qui sont devenues des pratiques standard dans le domaine.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
Comment citer cette page
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/fr/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Normalisation par lotsApprentissage profond↔ compare
- DropoutApprentissage profond↔ compare
- ResNet (Réseau Résiduel)Apprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →