Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Détection de Dérive Graduelle
Technique d'identification de changements progressifs dans les données ou les concepts, permettant une adaptation anticipative avant que la performance du modèle ne se dégrade significativement.
Détection de Changement sans Supervision
Méthodes identifiant les changements dans les distributions de données sans utiliser d'étiquettes prédéfinies, basées sur des métriques statistiques ou de divergence entre périodes temporelles.
Stabilité-Plasticité
Dilemme fondamental en apprentissage incrémental cherchant à équilibrer la capacité du modèle à conserver les connaissances antérieures (stabilité) tout en s'adaptant aux nouvelles informations (plasticité).
Oubli Catastrophique
Phénomène où un modèle apprenant de nouvelles informations perd complètement ou partiellement les connaissances précédemment acquises, problème majeur en apprentissage incrémental.
Mémoire à Court Terme
Mécanisme de stockage temporaire des observations récentes utilisées pour détecter rapidement les changements et adapter le modèle avant leur intégration permanente dans la mémoire à long terme.
Sélection d'Instances Actives
Stratégie choisissant sélectivement les instances les plus informatives pour la mise à jour du modèle, optimisant l'efficacité computationnelle tout en maintenant la pertinence face aux changements.
Détection de Dérive Abrupte
Technique spécialisée dans l'identification de changements soudains et significatifs dans les données, nécessitant une adaptation rapide du modèle pour éviter une dégradation catastrophique de la performance.
Réévaluation Dynamique
Processus continu d'évaluation de la performance du modèle sur les nouvelles données pour déterminer quand une adaptation est nécessaire, basé sur des seuils dynamiques ou des métriques de dégradation.
Test DDM
Drift Detection Method, algorithme statistique surveillant le taux d'erreur du modèle pour détecter les changements significatifs, basé sur des contrôles statistiques des moyennes et variances.
Adaptation par Blocs
Stratégie de mise à jour du modèle par lots de données plutôt qu'individuellement, permettant un compromis entre réactivité aux changements et efficacité computationnelle.