Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Acquisition
Une stratégie qui détermine le prochain point d'évaluation en équilibrant l'exploitation des zones connues prometteuses et l'exploration des zones incertaines.
Co-fidélité
Une approche où plusieurs sources de données de différentes fidélités sont utilisées simultanément pour construire un modèle de substitution plus précis et efficace.
Surrogate-Based Optimization (SBO)
Une classe de méthodes d'optimisation qui utilisent des modèles de substitution pour approximer des fonctions coûteuses, réduisant ainsi le nombre d'évaluations directes nécessaires.
Multi-Information Source Optimization (MISO)
Une stratégie d'optimisation qui intègre et exploite activement plusieurs sources d'information de qualité et de coût variables pour accélérer la convergence.
Facteur d'échelle
Un paramètre multiplicatif utilisé pour mettre à l'échelle les prédictions d'un modèle de faible fidélité afin de les aligner sur celles d'un modèle de haute fidélité.
Optimisation en boîte noire
Un problème d'optimisation où la structure interne de la fonction objectif est inconnue et seule l'évaluation des entrées/sorties est possible.
Variance du bruit
Un hyper-paramètre du processus gaussien qui quantifie le niveau d'incertitude ou d'erreur aléatoire dans les observations de la fonction objectif.
Longueur de corrélation
Un hyper-paramètre du processus gaussien qui détermine la distance sur laquelle les points de la fonction sont corrélés, contrôlant la lissitude du modèle.
Échantillonnage initial
La phase initiale de l'optimisation où un petit ensemble de points est évalué (souvent avec un plan d'expérience) pour construire une première version du modèle de substitution.
Plan d'expérience
Une stratégie pour sélectionner les points d'évaluation initiaux afin de maximiser l'information recueillie sur la fonction objectif avec un nombre limité d'évaluations.