AI 용어집
인공지능 완전 사전
Algorithme d'Estimation de Distribution
Métaheuristique évolutionnaire qui remplace les opérateurs génétiques traditionnels par l'apprentissage et l'échantillonnage de distributions de probabilité pour générer de nouvelles solutions.
Modèle de Distribution Probabiliste
Structure mathématique capturant les dépendances statistiques entre les variables d'une population, utilisée pour guider la génération de nouveaux individus dans les EDA.
UMDA
Algorithme EDA univarié qui suppose l'indépendance entre les variables et met à jour la distribution marginale de chaque variable séparément à chaque génération.
PBIL
Variante d'EDA qui combine apprentissage incrémental et estimation de distribution, mettant à jour continuellement un vecteur de probabilités basé sur les meilleurs individus.
Facteurisation de Distribution
Technique de décomposition d'une distribution de probabilité jointe complexe en produit de distributions conditionnelles plus simples pour réduire la complexité computationnelle.
MIMIC
Algorithme EDA qui construit une chaîne de Markov optimale en maximisant l'information mutuelle pour capturer les dépendances entre variables.
BOA
EDA avancé utilisant des réseaux bayésiens pour modéliser les dépendances complexes entre variables et échantillonner de nouvelles solutions selon ces relations.
Vecteur de Probabilités
Structure de données unidimensionnelle stockant les probabilités marginales pour chaque variable binaire dans les EDA discrets simples.
Distribution de Bernoulli
Modèle probabiliste discret pour variables binaires, où chaque variable a une probabilité p de prendre la valeur 1 et (1-p) de prendre la valeur 0.
cGA
Variante d'EDA à population minimale utilisant une compétition entre deux individus pour mettre à jour un unique vecteur de probabilités.
Échantillonnage par Rejet
Technique de génération d'échantillons à partir d'une distribution cible en acceptant ou rejetant des candidats selon une fonction de probabilité.
Distribution Normale Tronquée
Distribution gaussienne limitée à un intervalle spécifique, utilisée dans les EDA pour respecter les contraintes de bornes sur les variables continues.
Apprentissage de Structure
Processus d'identification automatique des dépendances entre variables dans les EDA avancés, utilisant des métriques comme le BIC ou l'AIC.
Élitisme dans les EDA
Stratégie conservant les meilleures solutions d'une génération à l'autre pour garantir une monotonie d'amélioration dans les algorithmes d'estimation de distribution.
Mixing Ratio
Paramètre contrôlant la proportion entre l'apprentissage à partir de la population courante et la conservation des distributions précédentes dans les EDA adaptatifs.
Arbre de Chow-Liu
Structure de dépendance optimale sous forme d'arbre maximisant la vraisemblance, utilisée dans certains EDA pour modéliser efficacement les corrélations binaires.
Échantillonnage Gibbs
Méthode MCMC pour générer des échantillons à partir de distributions conditionnelles complexes, appliquée dans les EDA pour modèles probabilistes sophistiqués.