Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Recurrent VAE
Architecture de Variational Autoencoder intégrant des réseaux récurrents pour capturer les dépendances temporelles dans les données séquentielles, permettant la génération et la reconstruction de séries temporelles.
LSTM-VAE
Variante du Recurrent VAE utilisant des couches LSTM (Long Short-Term Memory) dans l'encodeur et le décodeur pour modéliser efficacement les dépendances à long terme dans les séquences temporelles.
GRU-VAE
Architecture Recurrent VAE employant des unités GRU (Gated Recurrent Units) pour réduire la complexité computationnelle tout en maintenant la capacité de modélisation des dépendances temporelles.
Temporal Latent Space
Espace latent structuré temporellement où chaque dimension représente des caractéristiques évolutives de la séquence, permettant une interpolation cohérente entre états temporels.
Sequential Prior Distribution
Distribution a priori dans les VAE récurrents qui modélise l'évolution probable des variables latentes au cours du temps, souvent implémentée comme un processus markovien ou gaussien.
Temporal Reconstruction Loss
Fonction de perte adaptée aux séquences qui pénalise non seulement les erreurs de reconstruction ponctuelles mais aussi les incohérences temporelles dans les séquences générées.
Dynamic Latent Variables
Variables latentes qui évoluent dynamiquement avec le temps dans les Recurrent VAE, capturant les changements progressifs des caractéristiques sous-jacentes des données séquentielles.
Hierarchical Recurrent VAE
Architecture multi-niveaux combinant plusieurs couches récurrentes hiérarchiques pour modéliser différentes échelles temporelles, des motifs locaux aux tendances globales.
Attention Mechanism in VAE
Mécanisme d'attention intégré dans les VAE récurrents pour pondérer sélectivement les parties pertinentes de la séquence lors de l'encodage et du décodage.
Variational Recurrent Neural Network
Formalisation probabiliste des réseaux récurrents où les états cachés sont traités comme des variables aléatoires avec des distributions apprises, au lieu de déterministes.
Temporal KL Divergence
Terme de régularisation dans les Recurrent VAE qui mesure la divergence entre la distribution postérieure temporelle et la distribution a priori à chaque pas de temps.
Sequence-to-Sequence VAE
Architecture bidirectionnelle où l'encodeur lit une séquence complète pour produire un contexte latent, et le décodeur génère une nouvelle séquence basée sur cette représentation compressée.
Temporal Posterior Collapse
Problème spécifique aux Recurrent VAE où le modèle ignore les variables latentes temporelles et se contente de modéliser directement les données, réduisant l'efficacité de la régularisation.
Conditional Temporal Generation
Capacité des Recurrent VAE à générer des séquences conditionnées par des entrées spécifiques ou des états initiaux, permettant un contrôle précis sur les caractéristiques temporelles générées.