Accès plus rapide que le navigateur!
48 relations: Abandon (réseaux neuronaux), Algorithme espérance-maximisation, Analyse en composantes indépendantes, Analyse en composantes principales, Apprentissage automatique, Apprentissage par renforcement, Apprentissage semi-supervisé, Apprentissage supervisé, Auto-encodeur, Auto-encodeur variationnel, Auto-organisation, Carte autoadaptative, Constante de Boltzmann, Diagramme de Venn, Divergence de Kullback-Leibler, Donald Hebb, Estimation par noyau, Extraction de connaissances, Fonction d'activation, Fonction objectif, Geoffrey Hinton, Inférence bayésienne, Informatique, Intelligence artificielle, K-médoïdes, K-moyennes, Loi de mélange, Ludwig Boltzmann, Machine de Boltzmann restreinte, Marvin Minsky, Maximum a posteriori, Maximum de vraisemblance, Mémoire adressable par contenu, Modèle d'Ising, Moteur d'inférence, Neurone formel, Partitionnement de données, Probabilité conditionnelle, Problème du voyageur de commerce, Règle de Hebb, Réduction de la dimensionnalité, Régression logistique, Réseau de neurones artificiels, Réseau de neurones de Hopfield, Rétropropagation du gradient, Reconnaissance de formes, Regroupement hiérarchique, Sigmoïde (mathématiques).
Abandon (réseaux neuronaux)
Le décrochage, ou abandon, est une technique de régularisation pour réduire le surajustement dans les réseaux de neurones.
Nouveau!!: Apprentissage non supervisé et Abandon (réseaux neuronaux) · Voir plus »
Algorithme espérance-maximisation
L'algorithme espérance-maximisation (en anglais expectation-maximization algorithm, souvent abrégé EM) est un algorithme itératif qui permet de trouver les paramètres du maximum de vraisemblance d'un modèle probabiliste lorsque ce dernier dépend de variables latentes non observables.
Nouveau!!: Apprentissage non supervisé et Algorithme espérance-maximisation · Voir plus »
Analyse en composantes indépendantes
L'analyse en composantes indépendantes (en anglais, independent component analysis ou ICA) est une méthode d'analyse des données (voir aussi Exploration de données) qui relève des statistiques, des réseaux de neurones et du traitement du signal.
Nouveau!!: Apprentissage non supervisé et Analyse en composantes indépendantes · Voir plus »
Analyse en composantes principales
L'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres.
Nouveau!!: Apprentissage non supervisé et Analyse en composantes principales · Voir plus »
Apprentissage automatique
L'apprentissage automatique.
Nouveau!!: Apprentissage non supervisé et Apprentissage automatique · Voir plus »
Apprentissage par renforcement
En intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome (robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps.
Nouveau!!: Apprentissage non supervisé et Apprentissage par renforcement · Voir plus »
Apprentissage semi-supervisé
Panneau supérieur: limite de décision basée sur deux exemples étiquetés seulement (cercles blancs contre cercles noirs). Panneau inférieur: limite de décision basée sur deux exemples étiquetés plus des données non étiquetées (cercles gris). L'apprentissage semi-supervisé est une classe de techniques d'apprentissage automatique qui utilise un ensemble de données étiquetées et non étiquetées.
Nouveau!!: Apprentissage non supervisé et Apprentissage semi-supervisé · Voir plus »
Apprentissage supervisé
L'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé.
Nouveau!!: Apprentissage non supervisé et Apprentissage supervisé · Voir plus »
Auto-encodeur
Un auto-encodeur (autoencodeur), ou auto-associateur est un réseau de neurones artificiels utilisé pour l'apprentissage non supervisé de caractéristiques discriminantes.
Nouveau!!: Apprentissage non supervisé et Auto-encodeur · Voir plus »
Auto-encodeur variationnel
En apprentissage automatique, un auto-encodeur variationnel (ou VAE de l'anglais variational auto encoder), est une architecture de réseau de neurones artificiels introduite en 2013 par D. Kingma et M. Welling, appartenant aux familles des modèles graphiques probabilistes et des méthodes bayésiennes variationnelles.
Nouveau!!: Apprentissage non supervisé et Auto-encodeur variationnel · Voir plus »
Auto-organisation
L'auto-organisation ou autoorganisation est un phénomène par lequel un système s'organise lui-même.
Nouveau!!: Apprentissage non supervisé et Auto-organisation · Voir plus »
Carte autoadaptative
Les cartes autoadaptatives, cartes auto-organisatrices ou cartes topologiques forment une classe de réseau de neurones artificiels fondée sur des méthodes d'apprentissage non supervisées.
Nouveau!!: Apprentissage non supervisé et Carte autoadaptative · Voir plus »
Constante de Boltzmann
La constante de Boltzmann k (ou k) a été introduite par Ludwig Boltzmann dans sa définition de l'entropie de 1877.
Nouveau!!: Apprentissage non supervisé et Constante de Boltzmann · Voir plus »
Diagramme de Venn
russe. Un diagramme de Venn (également appelé diagramme logique) est un diagramme qui montre toutes les relations logiques possibles dans une collection finie de différents ensembles.
Nouveau!!: Apprentissage non supervisé et Diagramme de Venn · Voir plus »
Divergence de Kullback-Leibler
En théorie des probabilités et en théorie de l'information, la divergence de Kullback-Leibler (ou divergence K-L ou encore entropie relative) est une mesure de dissimilarité entre deux distributions de probabilités.
Nouveau!!: Apprentissage non supervisé et Divergence de Kullback-Leibler · Voir plus »
Donald Hebb
Donald Hebb, né à Chester (Nouvelle-Écosse), en 1904 et mort en 1985 dans la même ville, est un psychologue et neuropsychologue canadien.
Nouveau!!: Apprentissage non supervisé et Donald Hebb · Voir plus »
Estimation par noyau
En statistique, l’estimation par noyau (ou encore méthode de Parzen-Rosenblatt; en anglais, kernel density estimation ou KDE) est une méthode non-paramétrique d’estimation de la densité de probabilité d’une variable aléatoire.
Nouveau!!: Apprentissage non supervisé et Estimation par noyau · Voir plus »
Extraction de connaissances
L'extraction de connaissances est le processus de création de connaissances à partir d'informations structurées (bases de données relationnelles, XML) ou non structurées (textes, documents, images).
Nouveau!!: Apprentissage non supervisé et Extraction de connaissances · Voir plus »
Fonction d'activation
Dans le domaine des réseaux de neurones artificiels, la fonction d'activation est une fonction mathématique appliquée à un signal en sortie d'un neurone artificiel.
Nouveau!!: Apprentissage non supervisé et Fonction d'activation · Voir plus »
Fonction objectif
comparaison de certains substituts de la fonction de perte Le terme fonction objectif, fonction économique ou fonction de coût, est utilisé en optimisation mathématique et en recherche opérationnelle pour désigner une fonction qui sert de critère pour déterminer la meilleure solution à un problème d'optimisation.
Nouveau!!: Apprentissage non supervisé et Fonction objectif · Voir plus »
Geoffrey Hinton
Geoffrey Hinton, né le à Wimbledon (Royaume-Uni), est un chercheur canadien spécialiste de l'intelligence artificielle et plus particulièrement des réseaux de neurones artificiels.
Nouveau!!: Apprentissage non supervisé et Geoffrey Hinton · Voir plus »
Inférence bayésienne
Illustration comparant les approches fréquentiste et bayésienne (Christophe Michel, 2018). L’inférence bayésienne est une méthode d'inférence statistique par laquelle on calcule les probabilités de diverses causes hypothétiques à partir de l'observation d'événements connus.
Nouveau!!: Apprentissage non supervisé et Inférence bayésienne · Voir plus »
Informatique
bibliothèque d'Art et d'Archéologie de Genève (2017). L'informatique est un domaine d'activité scientifique, technique, et industriel concernant le traitement automatique de l'information numérique par l'exécution de programmes informatiques hébergés par des dispositifs électriques-électroniques: des systèmes embarqués, des ordinateurs, des robots, des automates Ces champs d'application peuvent être séparés en deux branches.
Nouveau!!: Apprentissage non supervisé et Informatique · Voir plus »
Intelligence artificielle
assistants personnels intelligents sont l'une des applications concrètes de l'intelligence artificielle dans les années 2010. L'intelligence artificielle (IA) est un ensemble de théories et de techniques visant à réaliser des machines capables de simuler l'intelligence humaine.
Nouveau!!: Apprentissage non supervisé et Intelligence artificielle · Voir plus »
K-médoïdes
Le partitionnement en k-médoïdes est une méthode de partitionnement plus robuste vis-à-vis des données aberrantes (outliers) que celle des k-moyennes (k-means).
Nouveau!!: Apprentissage non supervisé et K-médoïdes · Voir plus »
K-moyennes
Le partitionnement en k-moyennes (ou en anglais) est une méthode de partitionnement de données et un problème d'optimisation combinatoire.
Nouveau!!: Apprentissage non supervisé et K-moyennes · Voir plus »
Loi de mélange
En probabilité et en statistiques, une loi de mélange est la loi de probabilité d'une variable aléatoire s'obtenant à partir d'une famille de variables aléatoires de la manière suivante: une variable aléatoire est choisie au hasard parmi la famille de variables aléatoires donnée, puis la valeur de la variable aléatoire sélectionnée est réalisée.
Nouveau!!: Apprentissage non supervisé et Loi de mélange · Voir plus »
Ludwig Boltzmann
Ludwig Eduard Boltzmann (né le à Vienne, Autriche et mort le à Duino) est un physicien et philosophe autrichien.
Nouveau!!: Apprentissage non supervisé et Ludwig Boltzmann · Voir plus »
Machine de Boltzmann restreinte
En apprentissage automatique, la machine de Boltzmann restreinte est un type de réseau de neurones artificiels pour l'apprentissage non supervisé.
Nouveau!!: Apprentissage non supervisé et Machine de Boltzmann restreinte · Voir plus »
Marvin Minsky
Marvin Lee Minsky, PhD, né le à New York et mort le à Boston, est un scientifique américain.
Nouveau!!: Apprentissage non supervisé et Marvin Minsky · Voir plus »
Maximum a posteriori
L'estimateur du maximum a posteriori (MAP), tout comme la méthode du maximum de vraisemblance, est une méthode pouvant être utilisée afin d'estimer un certain nombre de paramètres inconnus, comme les paramètres d'une densité de probabilité, reliés à un échantillon donné.
Nouveau!!: Apprentissage non supervisé et Maximum a posteriori · Voir plus »
Maximum de vraisemblance
En statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance.
Nouveau!!: Apprentissage non supervisé et Maximum de vraisemblance · Voir plus »
Mémoire adressable par contenu
Une mémoire adressable par le contenu (CAM, en anglais Content-Addressable Memory) est un type de mémoire informatique spécial, utilisé dans certaines applications pour la recherche à très haute vitesse.
Nouveau!!: Apprentissage non supervisé et Mémoire adressable par contenu · Voir plus »
Modèle d'Ising
Le modèle d'Ising est un modèle de physique statistique qui a été adapté à divers phénomènes caractérisés par des interactions locales de particules à deux états.
Nouveau!!: Apprentissage non supervisé et Modèle d'Ising · Voir plus »
Moteur d'inférence
Un moteur d'inférence (du verbe « inférer » qui signifie « déduire ») est un logiciel correspondant à un algorithme de simulation des raisonnements déductifs.
Nouveau!!: Apprentissage non supervisé et Moteur d'inférence · Voir plus »
Neurone formel
Représentation d'un neurone formel (ou logique). Un neurone formel, parfois appelé neurone de McCulloch-Pitts, est une représentation mathématique et informatique d'un neurone biologique.
Nouveau!!: Apprentissage non supervisé et Neurone formel · Voir plus »
Partitionnement de données
clustering'' hiérarchique. Le partitionnement de données (ou en anglais) est une méthode en analyse des données.
Nouveau!!: Apprentissage non supervisé et Partitionnement de données · Voir plus »
Probabilité conditionnelle
320x320px En théorie des probabilités, une probabilité conditionnelle est la probabilité d'un événement sachant qu'un autre événement a eu lieu.
Nouveau!!: Apprentissage non supervisé et Probabilité conditionnelle · Voir plus »
Problème du voyageur de commerce
Le problème de voyageur de commerce: calculer un plus court circuit qui passe une et une seule fois par toutes les villes (ici 15 villes). En informatique, le problème du voyageur de commerce, ou problème du commis voyageur, est un problème d'optimisation qui consiste à déterminer, étant donné un ensemble de villes, le plus court circuit passant par chaque ville une seule fois.
Nouveau!!: Apprentissage non supervisé et Problème du voyageur de commerce · Voir plus »
Règle de Hebb
La règle de Hebb, théorie de Hebb, postulat de Hebb ou théorie des assemblées de neurones a été établie par Donald Hebb en 1949.
Nouveau!!: Apprentissage non supervisé et Règle de Hebb · Voir plus »
Réduction de la dimensionnalité
Animation présentant la projection de points en deux dimensions sur les axes obtenus par analyse en composantes principales, une méthode populaire de réduction de la dimensionnalité La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension.
Nouveau!!: Apprentissage non supervisé et Réduction de la dimensionnalité · Voir plus »
Régression logistique
En statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale.
Nouveau!!: Apprentissage non supervisé et Régression logistique · Voir plus »
Réseau de neurones artificiels
Un réseau de neurones artificiels.
Nouveau!!: Apprentissage non supervisé et Réseau de neurones artificiels · Voir plus »
Réseau de neurones de Hopfield
Le réseau de neurones d'Hopfield est un modèle de réseau de neurones récurrents à temps discret dont la matrice des connexions est symétrique et nulle sur la diagonale et où la dynamique est asynchrone (un seul neurone est mis à jour à chaque unité de temps).
Nouveau!!: Apprentissage non supervisé et Réseau de neurones de Hopfield · Voir plus »
Rétropropagation du gradient
En intelligence artificielle, plus précisément en apprentissage automatique, la rétropropagation du gradient est une méthode pour entraîner un réseau de neurones.
Nouveau!!: Apprentissage non supervisé et Rétropropagation du gradient · Voir plus »
Reconnaissance de formes
Reconnaissance de forme à partir de modélisation en 3D La reconnaissance de formes (ou parfois reconnaissance de motifs) est un ensemble de techniques et méthodes visant à identifier des régularités informatiques à partir de données brutes afin de prendre une décision dépendant de la catégorie attribuée à ce motif.
Nouveau!!: Apprentissage non supervisé et Reconnaissance de formes · Voir plus »
Regroupement hiérarchique
Dans le domaine de l'analyse et de la classification automatique de données, le regroupement hiérarchique est un partitionnement de données ou clustering, au moyen de diverses méthodes, dites « ascendantes » et « descendantes ».
Nouveau!!: Apprentissage non supervisé et Regroupement hiérarchique · Voir plus »
Sigmoïde (mathématiques)
En mathématiques, la fonction sigmoïde (dite aussi courbe en S) est définie par: mais on la généralise à toute fonction dont l'expression est: Elle représente la fonction de répartition de la loi logistique.
Nouveau!!: Apprentissage non supervisé et Sigmoïde (mathématiques) · Voir plus »
Redirections ici:
Apprentissage non-supervisé, Apprentissage prédictif.
