एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
SVM à Noyaux Multiples
Variante des Machines à Vecteurs de Support qui combine plusieurs fonctions de noyau, souvent pondérées, pour améliorer la séparation des données en capturant simultanément différentes structures ou échelles de caractéristiques.
Combinaison Linéaire de Noyaux
Méthode d'agrégation de noyaux où le noyau final est une somme pondérée de noyaux de base, permettant de fusionner leurs représentations respectives dans l'espace des caractéristiques implicites.
Noyau Multiplicatif
Fonction de noyau construite par le produit de plusieurs noyaux, favorisant l'intersection des caractéristiques et renforçant la similarité uniquement lorsque les composantes individuelles sont simultanément similaires.
Apprentissage des Poids de Noyaux
Processus d'optimisation qui détermine automatiquement les coefficients de pondération optimaux pour chaque noyau dans une combinaison, généralement intégré dans la fonction de coût de la SVM.
MKL (Multiple Kernel Learning)
Cadre algorithmique qui apprend simultanément le classifieur SVM et la combinaison optimale de noyaux, en traitant les poids de noyaux comme des paramètres supplémentaires à optimiser.
Noyau Hétérogène
Noyau conçu pour opérer sur des données de types différents (numériques, catégorielles, textuelles) en combinant des noyaux spécifiques à chaque type de vue ou de modalité de données.
Méthode de Blocs Coordonnés
Algorithme d'optimisation alterné utilisé en MKL, qui met à jour séquentiellement les poids de noyaux et les paramètres du classifieur en fixant les uns pour optimiser les autres, garantissant la convergence.
Régularisation de Noyau
Technique de contrôle de la complexité du modèle dans les SVM à noyaux multiples, qui pénalise les poids de noyaux excessifs pour éviter le surapprentissage et favoriser des combinaisons parcimonieuses.
Noyau à Bande Passante Variable
Fonction de noyau (souvent RBF) dont le paramètre de largeur est adapté localement ou selon les dimensions, souvent utilisé dans les combinaisons pour gérer des échelles de caractéristiques multiples.
Sélection de Noyau Automatique
Processus intégré dans le MKL qui identifie le sous-ensemble le plus pertinent de noyaux parmi une base de candidats, en éliminant les noyaux redondants ou non informatifs via leurs poids appris.
Noyau de Similarité Sémantique
Type de noyau spécialisé qui encode des relations de sens entre des entités (mots, concepts), fréquemment combiné avec des noyaux structurels dans des applications de traitement du langage naturel.
Matrice de Gram Combinée
Matrice de similarité finale dans une SVM à noyaux multiples, obtenue par la combinaison pondérée des matrices de Gram individuelles de chaque noyau, servant de base à l'optimisation du classifieur.
Noyau de Diffusion
Noyau basé sur la théorie des graphes qui capture la similarité de diffusion entre les nœuds, souvent intégré dans des combinaisons pour enrichir la représentation avec des informations topologiques.
Optimisation Semi-Définie Positive (SDP)
Classe de problèmes d'optimisation convexe utilisée pour apprendre les poids de noyaux sous contrainte que la matrice de noyau combinée reste semi-définie positive, garantissant la validité mathématique du modèle.
Noyau à Base de Fonctions
Approche où le noyau combiné est défini comme une somme pondérée de fonctions de base prédéfinies, permettant une interprétation claire de la contribution de chaque type de similarité au modèle final.
Co-apprentissage de Noyaux
Stratégie où plusieurs noyaux sont appris conjointement en s'entraînant mutuellement, chacun se spécialisant sur une sous-partie des données pour améliorer la performance globale de la combinaison.
Validation Croisée à Noyaux Multiples
Méthode d'évaluation spécifique aux modèles MKL où la sélection des hyperparamètres inclut non seulement les paramètres de la SVM mais aussi la configuration et les poids de la combinaison de noyaux.