Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

← Tous les exercices

Remonter du bruit prédit à l'image

Partie 3 · ★★★

À la génération, le réseau reçoit l'image abîmée x(t) et prédit le bruit ajouté. Si la prédiction était parfaite, on pourrait inverser la formule d'abîmage pour retrouver l'image : x(0) = (x(t) − √(1 − ᾱ) × ε) / √ᾱ. Inverser, c'est isoler x(0) en déplaçant d'abord le terme de bruit, puis en divisant par √ᾱ.

Écris retrouver. Données : x(t) = [1,028 ; 0,194], ᾱ = 0,81, et le bruit prédit ε = [0,5 ; −1]. Compare ensuite avec un réseau qui n'aurait rien appris (il prédit [0 ; 0]).

Ctrl/⌘+Entrée