Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Autoencoders
Réseaux de neurones apprenant à compresser et reconstruire efficacement les données sans supervision.
Autoencoders Variationnels
Autoencoders probabilistes générant de nouvelles données en apprenant une distribution latente.
Réseaux Adversariaux Génératifs
Système de deux réseaux en compétition pour générer des données réalistes sans étiquettes.
Autoencoders Débruiteurs
Autoencoders entraînés à reconstruire des données propres à partir d'entrées corrompues par le bruit.
Clustering Profond
Techniques combinant réseaux de neurones profonds et algorithmes de clustering pour découvrir des groupes.
Autoencoders Empilés
Architecture hiérarchique d'autoencoders pour apprendre des représentations multi-niveaux.
Autoencoders Convolutifs
Autoencoders utilisant des couches convolutives pour traiter efficacement les données d'images.
Autoencoders Parsimonieux
Autoencoders avec contrainte de parcimonie pour forcer l'apprentissage de caractéristiques discriminantes.
Autoencodes Récurrents
Autoencoders basés sur des réseaux récurrents pour traiter les données séquentielles temporelles.
Machines de Boltzmann Profondes
Modèles graphiques probabilistes profonds apprenant des distributions sur les données non étiquetées.
Autoencodes Contractifs
Autoencoders avec pénalité sur le Jacobien pour apprendre des représentations robustes aux variations.
Réduction de Dimension Profonde
Techniques d'apprentissage de représentations de faible dimension via des réseaux profonds.
Réseaux de Croyance Profonds
Architecture empilant des machines de Boltzmann restreintes pour l'extraction de caractéristiques.
Autoencodes à Transformer
Autoencoders basés sur l'architecture transformer pour capturer les dépendances à longue distance.
Modèles à Énergie Profonds
Réseaux assignant une énergie aux configurations pour modéliser les distributions de données.