Глоссарий ИИ
Полный словарь искусственного интеллекта
Algorithme de Belief Propagation
Algorithme de passage de messages exact pour les arbres et approximatif pour les graphes avec cycles, calculant les croyances marginales en propageant des informations entre nœuds voisins.
Réseaux bayésiens
Modèles graphiques probabilistes dirigés représentant des dépendances conditionnelles entre variables aléatoires, utilisés pour le raisonnement sous incertitude et la prise de décision.
Réseaux de Markov
Modèles graphiques probabilistes non-orientés où les arêtes représentent des dépendances mutuelles, caractérisés par des distributions de Gibbs et des propriétés de Markov globales.
Évidence
Information observée sur certaines variables du modèle, utilisée pour conditionner les calculs d'inférence et mettre à jour les distributions de probabilité des variables non observées.
Calcul de marginales
Opération fondamentale consistant à calculer la distribution de probabilité d'un sous-ensemble de variables en intégrant sur toutes les autres variables du modèle.
Algorithme de Hugin
Implémentation spécifique de l'inférence exacte dans les arbres de jonction, utilisant une propagation bidirectionnelle des messages pour un calcul optimal des marginales.
Algorithme de Shafer-Shenoy
Variante de l'inférence exacte dans les arbres de jonction séparant explicitement les phases de collecte et de distribution, évitant la division par des zéros potentiels.
Cliques
Sous-ensembles de nœuds formant des sous-graphes complets dans un graphe, jouant un rôle central dans la construction des arbres de jonction et l'organisation des calculs.
Экспоненциальная временная сложность
Внутреннее свойство точного вывода в общих графических моделях, где время вычисления растётся экспоненциально с размером клик или treewidth графа.
Treewidth
Мера структурной сложности графа, определяющая эффективность точного вывода, определяемая как максимальный размер клик минус один в оптимальном древовидном разложении.
Факторизация
Разложение сложного совместного распределения вероятностей в произведение более простых факторов, использующее свойства условной независимости графической модели.