एआई शब्दावली

📖

शब्द

Incertitude de Modèle

Mesure quantifiant le manque de confiance du modèle dans ses prédictions, souvent exploitée comme critère principal pour la sélection d'échantillons en apprentissage actif.

📖

शब्द

Pool d'Échantillons

Ensemble de données non labellisées à partir duquel l'algorithme d'apprentissage actif sélectionne les échantillons les plus pertinents à faire annoter par un oracle humain.

📖

शब्द

Échantillonnage par Noyau

Stratégie d'apprentissage actif qui sélectionne les échantillons maximisant la diversité dans l'espace des caractéristiques à l'aide de méthodes à noyau pour éviter la redondance.

📖

शब्द

Erreur de Modèle Attendue

Critère d'échantillonnage avancé estimant la réduction potentielle de l'erreur de généralisation du modèle si un échantillon spécifique était ajouté à l'ensemble d'entraînement.

📖

शब्द

Apprentissage Actif par Comité

Approche où plusieurs modèles (comité) sont entraînés sur le même ensemble de données et les désaccords entre leurs prédictions sont utilisés pour mesurer l'incertitude et sélectionner les échantillons.

📖

शब्द

Densité Basée sur le Graph

Méthode d'échantillonnage qui considère à la fois l'incertitude et la densité des échantillons dans l'espace des caractéristiques en construisant un graphe de voisinage pour éviter les points aberrants.

📖

शब्द

Variation de l'Ensemble d'Entraînement

Stratégie mesurant l'impact de l'ajout d'un échantillon sur les paramètres du modèle, en sélectionnant ceux qui provoquent le plus grand changement dans l'espace des poids.

📖

शब्द

Apprentissage Actif Semi-Supervisé

Combination de l'apprentissage actif et semi-supervisé où le modèle apprend à la fois à partir d'échantillons sélectionnés pour l'annotation et de la structure inhérente des données non labellisées.

📖

शब्द

Entropie de Prédiction

Mesure d'incertitude basée sur l'entropie de la distribution de probabilité de sortie du modèle, où les prédictions avec l'entropie la plus élevée sont sélectionnées pour l'annotation.

📖

शब्द

Apprentissage Actif par Renforcement

Cadre où la politique de sélection d'échantillons est optimisée comme un agent d'apprentissage par renforcement, apprenant à maximiser l'amélioration du modèle à long terme.

📖

शब्द

Coût d'Annotation

Facteur prenant en compte les ressources (temps, argent) nécessaires pour labelliser un échantillon, intégré dans les stratégies d'apprentissage actif pour une optimisation réaliste.

📖

शब्द

Apprentissage Actif par Requêtes

Paradigme où le modèle formule explicitement des requêtes pour obtenir des informations spécifiques (étiquettes, caractéristiques) plutôt que de simplement sélectionner des échantillons complets.

📖

शब्द

Synthèse d'Échantillons Informatifs

Technique avancée où le modèle génère de nouveaux échantillons synthétiques dans les régions d'incertitude maximale, plutôt que de se limiter à la sélection dans le pool existant.