AI-ordlista
Den kompletta ordlistan över AI
Dyna-Q Learning
Hybrid algorithm combining direct learning and planning using a learned model to generate simulated experiences.
Monte Carlo Tree Search Planning
Decision tree exploration algorithm using random simulations to evaluate future actions in a modeled environment.
Learning by Imagination
Technique using internal models to mentally simulate scenarios and accelerate learning without real interaction.
World Models
Architecture learning a compressed representation of the environment and a transition model for planning in a latent space.
Ensemble Learning
Approach using multiple learned models to quantify uncertainty and improve decision robustness.
Learning through Model Differentiation
Method that directly optimizes policies by passing gradients through a differentiable model of the environment.
Model-Based Curiosity Learning
System using model prediction errors as intrinsic signal to guide environment exploration.
Apprentissage par Hiérarchie Model-Based
Structure multi-niveaux combinant des modèles à différentes échelles temporelles pour une planification efficace sur des horizons longs.
Apprentissage par Prédiction de Trajectoires
Modèles prédictifs apprenant à anticiper les séquences d'états futurs pour évaluer les conséquences des actions avant exécution.
Apprentissage par Transfer Learning Model-Based
Technique transférant les connaissances du modèle entre environnements similaires pour accélérer l'adaptation à de nouvelles tâches.
MuZero
Algorithme avancé apprenant simultanément un modèle de transition, de réaction et de valeur sans connaissance préalable de la dynamique.
Apprentissage par Apprentissage Actif
Stratégie sélectionnant activement les expériences les plus informatives pour améliorer l'efficacité d'apprentissage du modèle.