AI 용어집
인공지능 완전 사전
Transfer Learning Model-Based
Approche d'apprentissage par renforcement où un modèle appris dans un environnement source est adapté pour accélérer l'apprentissage dans un environnement cible similaire.
Connaissance transférable
Ensemble des représentations, politiques ou modèles appris dans une tâche source qui peuvent être réutilisés efficacement pour améliorer les performances dans une nouvelle tâche.
Fine-tuning de modèle
Technique d'adaptation progressive où les paramètres d'un modèle pré-entraîné sont ajustés spécifiquement pour la nouvelle tâche cible tout en préservant les connaissances générales.
Représentations partagées
Caractéristiques abstraites et générales extraites des données source qui restent pertinentes et utiles pour résoudre des tâches similaires dans le domaine cible.
Généralisation inter-tâches
Capacité d'un modèle à appliquer efficacement les connaissances acquises sur une tâche pour résoudre des problèmes distincts mais conceptuellement liés.
Adaptation rapide
Processus d'ajustement efficace d'un modèle pré-entraîné à une nouvelle tâche avec un minimum d'exemples et de temps d'entraînement grâce au transfert de connaissances.
Modèle source-cible
Architecture de transfert où un modèle source fournit les connaissances initiales qui sont progressivement adaptées pour répondre aux spécificités du domaine cible.
Transfert de politiques
Application d'une stratégie de décision apprise dans un environnement source pour initialiser ou guider l'apprentissage dans un environnement cible similaire.
Apprentissage few-shot
Capacité d'adaptation à de nouvelles tâches avec très peu d'exemples d'entraînement, en exploitant massivement les connaissances préexistantes du modèle transféré.
Paramètres gelés
Technique où certaines couches du modèle source sont maintenues inchangées pendant l'adaptation pour préserver les connaissances fondamentales transférées.
Apprentissage progressif
Stratégie de transfert où le modèle apprend des concepts de manière hiérarchique, des plus simples aux plus complexes, facilitant la réutilisation des connaissances.
Similarité de distribution
Mesure de la proximité entre les distributions de probabilités des données source et cible, déterminant le potentiel de succès du transfert de connaissances.
Connaissance pré-apprise
Ensemble des poids, biais et structures neuronales acquis lors de l'entraînement initial qui servent de point de départ pour l'adaptation à la nouvelle tâche.