AI-ordlista
Den kompletta ordlistan över AI
Programmation Logique Inductive
Combinaison de la programmation logique et de l'apprentissage automatique pour découvrir des règles logiques à partir de données.
Apprentissage avec Contraintes d'Équité
Intégration de contraintes explicites pour garantir l'équité et éviter les discriminations dans les modèles prédictifs.
Optimisation sous Contraintes
Méthodes d'optimisation où l'objectif est minimisé sous un ensemble de contraintes définies par le domaine.
Apprentissage Semi-Supervisé par Contraintes
Utilisation de contraintes must-link et cannot-link pour guider l'apprentissage avec peu de données étiquetées.
Apprentissage Métrique par Contraintes
Apprentissage de fonctions de distance en utilisant des contraintes de similarité et dissimilarité entre les exemples.
Apprentissage par Renforcement avec Contraintes
Intégration de contraintes de sécurité ou de coût dans les processus de décision de Markov.
Monotonicity Constraint Learning
Imposing monotonicity constraints to ensure predictions respect expected order relationships.
Learning with Coherence Constraints
Ensures logical coherence between model predictions and domain expert knowledge.
Causality Constrained Learning
Integration of knowledge about causal relationships to constrain the structure of learned models.
Learning with Interpretability Constraints
Imposing structural constraints to ensure that models remain interpretable and explainable.
Learning with Temporal Constraints
Integration of constraints on temporal dependencies and temporal causal relationships.
Physics-Constrained Learning
Incorporation of physics laws and conservation principles into learning models.
Learning with Regularity Constraints
Imposing constraints on the structure and regularity of model parameters to prevent overfitting
Learning with Resource Constraints
Integration of computational, memory or energy constraints in the learning process.
Learning with Integrity Constraints
Ensuring compliance with data integrity constraints and domain invariants during learning.