AI-ordlista
Den kompletta ordlistan över AI
Test CUSUM
Technique statistique cumulative pour détecter des changements dans la moyenne d'un processus, basée sur l'accumulation des écarts par rapport à une valeur de référence.
Segmentation Temporelle
Partitionnement optimal d'une série temporelle en segments homogènes où les propriétés statistiques restent constantes à l'intérieur de chaque segment.
Méthode Bayésienne de Détection
Approche probabiliste utilisant des distributions a priori pour modéliser la localisation des points de changement et mettre à jour les croyances via le théorème de Bayes.
Détection Online vs Offline
Distinction entre les algorithmes traitant les données en temps réel (online) et ceux analysant l'ensemble complet des données après acquisition (offline).
Pénalité de Complexité
Terme de régularisation pénalisant le nombre de points de changement détectés pour éviter le surajustement et équilibrer ajustement aux données et parcimonie du modèle.
Détection de Ruptures Multiples
Identification simultanée de plusieurs points de changement dans une série temporelle, nécessitant des algorithmes de recherche combinatoire optimisés.
Modèle à Paramètres Constants par Segments
Représentation statistique où les paramètres du modèle restent constants entre les points de changement mais peuvent varier brusquement à ces instants.
Coût de Changement
Fonction quantifiant la détérioration de l'ajustement lorsque deux segments adjacents sont fusionnés, utilisée pour évaluer la pertinence d'un point de changement.
Variance Detection
Specific identification of points where data variability changes abruptly, independently of potential changes in mean or trend.
Dynamic Programming Algorithm
Exact optimization method for multiple change point detection, solving the segmentation problem via dynamic programming.
Trend Detection
Identification of moments when the slope of the underlying trend of a time series undergoes a significant change.
Wild Binary Segmentation
Randomized extension of binary segmentation using random subsamples to improve detection of multiple change points.
Dynamic Window
Adaptive approach where the analysis window size varies according to local data characteristics to optimize change detection.
Structural Detection
Identification of fundamental changes in the underlying structure of a process, potentially affecting multiple characteristics simultaneously.