Glosarium AI
Kamus lengkap Kecerdasan Buatan
Procédure Forward
Partie récursive de l'algorithme Forward-Backward qui calcule les probabilités jointes des observations jusqu'au temps t et de l'état caché à t. Elle permet de propager l'information du passé vers le présent dans le modèle.
Procédure Backward
Composante récursive qui calcule les probabilités conditionnelles des observations futures sachant l'état caché au temps t. Elle propage l'information du futur vers le passé pour compléter l'inférence.
Probabilités marginales
Probabilités postérieures des états cachés calculées en marginalisant sur les autres états invisibles. Elles représentent notre connaissance incertaine sur les états après observation des données.
Distribution d'émission
Fonction de probabilité conditionnelle reliant chaque état caché à l'observation générée à cet instant. Elle formalise comment les états invisibles produisent les signaux observables.
Alpha variables
Variables intermédiaires calculées lors de la passe forward représentant les probabilités partielles de l'état caché. Elles permettent une implémentation numériquement stable de l'algorithme.
Beta variables
Variables intermédiaires de la passe backward quantifiant la contribution des observations futures à la probabilité de l'état courant. Elles sont essentielles au calcul exact des postérieures.
Coefficient de normalisation
Facteur d'échelle garantissant que les probabilités restent numériquement stables durant les calculs forward et backward. Il prévient l'underflow numérique dans les longues séquences.
Treillis de programmation dynamique
Structure de calcul réutilisant les résultats intermédiaires pour éviter la redondance dans l'énumération des trajectoires. Elle rend le calcul polynomial au lieu d'exponentiel.
Espérance suffisante
Statistiques suffisantes calculées via l'algorithme Forward-Backward et utilisées dans la M-step de l'algorithme EM. Elles résument l'information nécessaire à la mise à jour des paramètres.
Lissage optimal
Estimation des états cachés utilisant toutes les observations passées et futures pour chaque instant. L'algorithme Forward-Backward produit l'estimateur MMSE pour cette tâche.
Densité de filtrage
Distribution de probabilité de l'état courant sachant uniquement les observations passées. Elle peut être obtenue comme sous-produit de la passe forward de l'algorithme.
Smoothing des statistiques
Calcul des espérances des variables latentes pondérées par les probabilités postérieures. Ces statistiques lissées sont essentielles à l'estimation maximum de vraisemblance.