AI 詞彙表
人工智能完整詞典
概率图模型
用于对变量间复杂依赖关系进行建模的概率分布的结构化表示。
神经符号系统
结合神经网络学习和符号推理的优势，实现更强大和可解释的人工智能。
高级超参数优化
使用复杂方法（贝叶斯优化、Hyperband）自动搜索模型的最佳超参数。
模型校准
将预测概率与事件实际频率对齐的技术，以更好地评估不确定性。
图处理
用于图形数据结构分析、分类和预测的专用算法
因果推断与人工智能
旨在从观察性和实验性数据中建立因果关系，以改进决策制定的领域。
神经形态计算
受生物大脑启发的计算架构，使用电子电路来模仿神经元和突触结构。
持续学习与终身学习
人工智能系统在持续学习新任务的同时，不忘记先前已获得知识的能力。
数据合成与高级数据增强
人工生成训练数据的技术，用于提高模型的鲁棒性并弥补真实数据的不足。
多模态学习
同时处理多种数据类型（文本、图像、音频、视频）以创建统一且丰富表示的领域。
组合优化与人工智能
应用机器学习技术解决复杂离散与组合优化问题。
逆强化学习
从专家行为中推断奖励函数以学习最优策略的方法。
可解释与可解读人工智能
一系列旨在使人工智能模型的决策对人类而言可理解和透明的技术。
分层强化学习
将复杂问题分解为按层次组织的更简单子任务以促进学习的方法。
多臂赌博机强化学习
强化学习的简化案例，其中智能体在不确定奖励的情况下从多个动作中进行选择。
人工智能与自主机器人
将人工智能集成到机器人系统中，以实现自主性并适应复杂环境。
离线强化学习
从固定数据集学习，训练期间不与环境交互的学习范式。
零样本与少样本学习架构
模型在仅有少量或没有训练样本的情况下，对新任务或新类别进行泛化的能力。
对比式多模态学习
一种自监督学习技术，通过比较相似和不同的样本来学习表征。
IA pour Découverte Scientifique
Application de l'IA pour accélérer la découverte scientifique dans des domaines comme la biologie, la chimie et la physique.
基于模型的强化学习
学习环境模型来更有效地规划和做决策的方法
程序综合与神经架构搜索
利用人工智能自动生成程序或优化神经网络架构的领域。
复杂系统人工智能
应用人工智能来建模、分析和预测复杂动态系统的行为。
分布式强化学习
分布式强化学习的扩展，它对回报的完整分布进行建模，而不仅仅是它们的期望值。
人工智能伦理与算法偏见
研究人工智能的伦理方面，并开发检测和纠正算法中偏见的方法。
多目标强化学习
强化学习的扩展，同时优化多个通常是相互矛盾的目标。
人工智能与博弈论
将博弈论概念应用于人工智能，以建模智能体之间的战略互动。
决策树与随机森林
基于树结构的分类和回归学习方法，随机森林作为一种强大的集成技术。
Réseaux de Neurones Attentionnels
Mécanismes permettant aux modèles de se concentrer sélectivement sur différentes parties de l'entrée, révolutionnant le traitement des séquences et le NLP.
Apprentissage Automatique Fédéré
Approche décentralisée où les modèles s'entraînent sur des données locales sans les centraliser, préservant la vie privée des utilisateurs.
Méthodes d'Ensemble
Techniques combinant plusieurs modèles de base pour améliorer les prédictions, incluant bagging, boosting et stacking.
Clustering et Segmentation non supervisée
Algorithmes regroupant automatiquement les données similaires en clusters sans étiquettes préexistantes pour découvrir des structures cachées.
Analyse de Séries Temporelles
Étude et prédiction de données séquentielles ordonnées dans le temps, utilisant des modèles ARIMA, LSTM et Prophet pour identifier tendances et saisonnalités.
Réseaux de Neurones à Mémoire
Architectures intégrant des mémoires externes pour stocker et récupérer des informations, permettant des raisonnements complexes sur de longues séquences.
Apprentissage Méta
Paradigme où les modèles apprennent à apprendre, s'adaptant rapidement à de nouvelles tâches avec peu d'exemples d'entraînement.
Systèmes Experts et Raisonnement Basé sur les Cas
Approches de l'IA classique utilisant des règles explicites ou des cas similaires pour résoudre des problèmes dans des domaines spécifiques.
Traitement du Signal pour l'IA
Techniques de prétraitement et d'extraction de caractéristiques à partir de signaux continus (audio, vidéo, capteurs) pour les alimenter aux modèles d'IA.
Réseaux de Neurones Génératifs Adversariaux
Architecture composée de deux réseaux en compétition (générateur et discriminateur) pour générer des données synthétiques réalistes.
基于人工智能的组合优化
应用人工智能技术解决NP难问题，如旅行商问题或调度问题。
量子机器学习
量子计算与机器学习的交叉领域，利用量子现象来加速某些算法。
空间与地理空间数据处理
对具有地理成分的数据进行分析与建模，使用GIS和卫星图像卷积网络。
模型分析与可解释性
旨在理解并解释人工智能模型决策的技术，对信任和监管至关重要。
胶囊神经网络
卷积神经网络的替代方案，保留特征之间的层级空间关系，以实现更好的目标识别。
信念网络与概率推理
表示变量间概率依赖关系的图模型，用于在不确定性下进行推理。
人工智能与网络安全
人工智能在入侵检测、恶意软件分析和自动化安全威胁响应中的应用。
变分自编码器神经网络
学习概率潜在表示以生成新数据并进行变分推断的生成模型。
Transformer与注意力机制
基于注意力机制的革命性架构，能够对不同部分数据的重要性进行加权，彻底改变了自然语言处理领域，现已应用于众多领域。
Apprentissage Non Supervisé Profond
Ensemble de techniques permettant d'extraire automatiquement des représentations hiérarchiques à partir de données non étiquetées, incluant autoencoders et clustering profond.
时间序列和预测
专门的时间序列数据分析和预测技术，包括ARIMA、LSTM、Prophet模型和混合方法。
MLOps和机器学习工程
用于在生产环境中部署、维护和监控机器学习模型的实践和工具，包括CI/CD、版本控制和模型监控。