AI-ordlista
Den kompletta ordlistan över AI
Kernel Change Detection
Méthode de détection de changement utilisant des techniques à noyau pour identifier des variations subtiles dans la distribution des données sans hypothèses explicites sur la forme des distributions.
Noyau Gaussien (RBF)
Fonction de noyau à base radiale transformant les données dans un espace de dimension infinie où la similarité décroît exponentiellement avec la distance euclidienne.
Reproducing Kernel Hilbert Space (RKHS)
Espace fonctionnel complet où les fonctions de noyau permettent la reconstruction des valeurs de fonction par produit scalaire, fondamental pour les méthodes à noyau.
Détection de Drift Conceptuel
Identification de changements dans la relation entre les variables d'entrée et la cible, souvent détectée par des méthodes à noyau capturant des variations non-linéaires.
Test de Changement à Noyau
Test statistique non-paramétrique utilisant des fonctions de noyau pour détecter des changements dans la distribution des données avec une sensibilité aux variations complexes.
Distance à Noyau
Mesure de dissimilarité entre deux points ou distributions calculée dans l'espace RKHS sans mapping explicite des données.
Méthode à Fenêtre Glissante
Technique de détection de changement comparant des distributions successives de données via des fenêtres temporelles glissantes analysées par méthodes à noyau.
Kernel Two-Sample Test
Test d'hypothèse déterminant si deux échantillons proviennent de la même distribution en utilisant des statistiques basées sur des fonctions de noyau.
Implicit Mapping
Transformation of data into a high-dimensional space without explicit calculation of coordinates, performed via the kernel trick to optimize computations.
Spectral Kernel
Kernel function based on the spectral properties of data, used to detect changes in graph structures or complex relationships.
Fisher Kernel
Kernel function based on the Fisher score, capturing the gradients of log-likelihood for sensitive detection of distributional changes.
Distribution Change
Variation in the underlying probability law of data, detected by comparing distributions via kernel metrics in the RKHS space.