قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
Auto-étiquetage
Méthode d'apprentissage semi-supervisé où un modèle initial s'entraîne sur des données étiquetées, puis génère des étiquettes pour les données non étiquetées avec un haut degré de confiance.
Pseudo-étiquetage
Technique où les prédictions du modèle sur des données non étiquetées sont traitées comme des étiquettes réelles lorsque leur probabilité dépasse un seuil prédéfini.
Seuil de confiance
Valeur numérique minimale de probabilité qu'une prédiction doit atteindre pour être acceptée comme étiquette fiable dans l'auto-étiquetage.
Co-apprentissage
Approche semi-supervisée utilisant deux classificateurs entraînés sur différents sous-ensembles de caractéristiques qui s'étiquettent mutuellement leurs données non étiquetées.
Tri-training
Extension du co-apprentissage utilisant trois classificateurs où l'étiquetage des données non étiquetées nécessite l'accord de deux modèles sur trois.
Auto-entraînement itératif
Processus cyclique où le modèle s'améliore progressivement en réintégrant ses propres prédictions de haute confiance dans l'ensemble d'entraînement.
Étiquetage par consensus
Méthode où plusieurs modèles doivent s'accorder sur l'étiquette d'une donnée non étiquetée avant de l'intégrer dans l'ensemble d'entraînement.
Apprentissage par cohérence
Principe où le modèle doit produire des prédictions cohérentes pour différentes augmentations ou vues de la même donnée non étiquetée.
Régularisation par entropie
Technique encourageant le modèle à faire des prédictions à faible entropie (confiantes) sur les données non étiquetées pour améliorer la généralisation.
Étiquetage basé sur la densité
Stratégie privilégiant l'étiquetage des échantillons situés dans des régions de haute densité de l'espace des caractéristiques.
Apprentissage multi-vues
Approche exploitant différentes représentations ou perspectives des mêmes données pour améliorer la qualité du pseudo-étiquetage.
Échantillonnage par incertitude
Méthode sélectionnant les échantillons où le modèle est le plus incertain pour un étiquetage prioritaire ou une validation humaine.
Alignement de distribution
Technique visant à minimiser l'écart entre les distributions de probabilités des données étiquetées et non étiquetées.
Correction d'étiquettes
Processus d'identification et de correction des pseudo-étiquettes incorrectes basé sur des critères de cohérence ou de confiance.
Étiquetage progressif
Stratégie introduisant graduellement des pseudo-étiquettes dans l'ensemble d'entraînement selon des critères de confiance évolutifs.