Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Auto-Encodeur Anormal
Variante des auto-encodeurs où le modèle est entraîné principalement sur des données anormales, permettant une reconstruction efficace des anomalies et une mauvaise reconstruction des données normales.
GAN Anomaly Detection
Méthode utilisant des Réseaux Antagonistes Génératifs où le discriminateur apprend à distinguer les données normales des anomalies, ou le générateur est incapable de créer des anomalies réalistes.
Mécanisme d'Attention pour Anomalies
Module dans les réseaux de neurones qui pondère l'importance de différentes parties des données d'entrée, permettant d'isoler les régions ou les pas de temps responsables du comportement anormal.
Détection d'Anomalie par LSTM
Approche utilisant des réseaux de neurones récurrents à mémoire longue (LSTM) pour modéliser les dépendances temporelles des séries chronologiques et identifier les écarts par rapport au motif appris.
Transformers pour Séries Temporelles
Application de l'architecture Transformer, basée sur les mécanismes d'auto-attention, pour modéliser les relations à long terme dans les données séquentielles et détecter les anomalies subtiles.
Apprentissage Non-Supervisé Profond
Paradigme où des réseaux de neurones profonds apprennent la structure des données normales sans étiquettes, utilisant cette connaissance pour signaler tout ce qui s'en écarte comme une anomalie.
Isolation Forest Profond
Extension de l'algorithme Isolation Forest où les divisions de l'espace sont réalisées par des couches de neurones, permettant une isolation plus complexe et efficace des anomalies dans des espaces de grande dimension.
Graph Neural Network pour Anomalies
Utilisation de réseaux de neurones sur graphes pour détecter des anomalies dans des données structurées en réseaux, en identifiant des nœuds ou des sous-graphes dont le comportement dévie de la norme.
Mémoire Episodique pour Anomalies
Architecture de réseau de neurones intégrant un module de mémoire qui stocke des prototypes de données normales, permettant de comparer les nouvelles entrées à cette base de connaissances pour détecter les anomalies.
Prédictive Codage pour Anomalies
Modèle qui prédit le pas de temps suivant dans une séquence ; une grande erreur de prédiction indique que l'événement observé était inattendu et donc potentiellement anormal.
Contrastive Learning pour Anomalies
Technique d'apprentissage où le modèle est entraîné à rapprocher les représentations de données normales et à éloigner celles des anomalies, améliorant la séparation dans l'espace latent.
Variational Auto-Encoder (VAE) pour Anomalies
Auto-encodeur qui apprend une distribution probabiliste de l'espace latent ; les anomalies sont identifiées par leur faible probabilité sous cette distribution apprise sur les données normales.