AI-ordlista
Den kompletta ordlistan över AI
Renforcement Continuel
Extension de l'apprentissage par renforcement où l'agent apprend continuellement de nouvelles tâches ou environnements sans réinitialiser ses connaissances acquises.
Dilemme Plasticité-Stabilité
Tension fondamentale entre la capacité d'un modèle à s'adapter à de nouvelles informations (plasticité) et sa capacité à conserver les connaissances existantes (stabilité).
Apprentissage Incrémental de Tâches
Scénario d'apprentissage continu où les tâches sont présentées séquentiellement avec des identifiants de tâche clairs lors de l'entraînement et de l'inférence.
Apprentissage Incrémental de Domaine
Forme d'apprentissage continu où la distribution des données change progressivement sans modification explicite des tâches ou des classes.
Apprentissage Incrémental de Classes
Scénario où de nouvelles classes sont introduites séquentiellement, nécessitant l'adaptation du classifieur sans accès aux données des classes précédentes.
Buffer de Replay Mémoire
Espace de stockage limité conservant des échantillons représentatifs des tâches passées pour leur réutilisation lors de l'apprentissage de nouvelles tâches.
Meta-Apprentissage Continu
Approche combinant méta-apprentissage et apprentissage continu pour développer des modèles capables d'apprendre rapidement de nouvelles tâches tout en préservant les anciennes.
Renforcement par Apprentissage à Vie
Paradigme où un agent d'apprentissage par renforcement accumule des connaissances sur une durée prolongée, s'adaptant continuellement à de nouveaux environnements et tâches.
Forward Transfer
Phenomenon where learning the current task benefits from knowledge acquired during previous tasks in a continual learning scenario.
Backward Transfer
Effect where learning new tasks retroactively improves performance on previous tasks, ideal but rare in practice.
Task-Aware Learning
Continual learning approach where the system has knowledge of the current task's identity, enabling more effective specialization.
Task-Agnostic Learning
Continual learning scenario where the system must implicitly identify the current task without explicit information about its identity.
Curriculum Learning in Continual RL
Strategy organizing reinforcement learning tasks sequentially in order of increasing complexity to facilitate continuous skill acquisition.
Multi-Task Reinforcement Learning
Paradigm where an agent learns simultaneously or sequentially to accomplish several different tasks in a reinforcement learning environment.