KI-Glossar
Das vollständige Wörterbuch der Künstlichen Intelligenz
Mean Teacher
Méthode semi-supervisée utilisant deux modèles : un étudiant entraînable et un enseignant avec moyennes mobiles des poids de l'étudiant, garantissant la consistance des prédictions entre les deux pour les données non étiquetées.
Génération de données synthétiques
Processus de création artificielle d'échantillons d'entraînement réalistes à partir de modèles génératifs, utilisée pour augmenter les datasets limités et améliorer la performance des modèles en apprentissage semi-supervisé.
Distribution de probabilité
Fonction mathématique décrivant la probabilité d'occurrence de chaque valeur possible d'une variable aléatoire, modélisée par les approches génératives pour générer de nouveaux échantillons cohérents avec les données réelles.
Apprentissage auto-supervisé
Paradigme d'apprentissage où les données non étiquetées créent leurs propres étiquettes à travers des tâches prétextes, fournissant une initialisation robuste pour les modèles semi-supervisés avec peu de données étiquetées.
Transfert de connaissances
Technique exploitant les connaissances apprises sur une tâche ou dataset source pour améliorer la performance sur une tâche cible avec moins de données étiquetées, particulièrement efficace en contexte semi-supervisé.
Apprentissage par contraste
Approche auto-supervisée apprenant des représentations en rapprochant les échantillons positifs (augmentations du même exemple) et éloignant les négatifs, utilisée pour améliorer l'initialisation des modèles semi-supervisés.
Augmentation de données
Technique créant artificiellement des variantes des données d'entraînement existantes par des transformations préservant les étiquettes, essentielle pour régulariser les modèles semi-supervisés et améliorer leur généralisation.
Apprentissage par co-entraînement
Méthode semi-supervisée utilisant deux classifieurs entraînés sur différentes vues des données, s'enseignant mutuellement avec leurs prédictions confidentielles sur les échantillons non étiquetés pour améliorer la performance globale.
Apprentissage par consensus
Stratégie semi-supervisée où plusieurs modèles ou vues d'un même modèle doivent s'accorder sur les prédictions des données non étiquetées, utilisant leur accord comme signal d'apprentissage pour améliorer la performance collective.
Divergence KL
Mesure d'asymétrie quantifiant la différence entre deux distributions de probabilité, utilisée dans les VAE et autres modèles génératifs pour optimiser l'espace latent et guider la génération d'échantillons réalistes.