Techniques d'IA
Explorez 1079 termes liés à l'IA dans Techniques d'IA
Direction d'activation
La direction d'activation consiste à ajuster les fonctions d'activation pour optimiser les performances du modèle d'IA.
AdaBelief
AdaBelief est un algorithme d'optimisation du taux d'apprentissage adaptatif pour l'entraînement de modèles d'apprentissage automatique.
Optimiseur Adagrad
Adagrad est un algorithme d'optimisation du taux d'apprentissage adaptatif pour entraîner efficacement des modèles d'apprentissage automatique.
Softmax adaptatif
La Softmax adaptative est une technique utilisée dans les réseaux neuronaux pour gérer efficacement de grands vocabulaires dans la modélisation du langage.
NLI Adversaire
NLI AdversaireNLI Adversaire est une méthode pour améliorer les modèles d'inférence en langage naturel en utilisant des exemples difficiles.
Propagation par affinité
La propagation par affinité est un algorithme de regroupement qui assemble des points de données en échangeant des messages entre eux en fonction de leur similarité.
Chaînage d'agents
Le chaînage d'agents est une méthode en IA où plusieurs agents travaillent successivement pour accomplir des tâches complexes.
Boucle d'agent
Une boucle d'agent est un cycle récurrent dans les systèmes d'IA où un agent perçoit son environnement, décide des actions, et les exécute.
Échafaudage agentique
Agentic scaffolding refers to support structures that enhance an agent's ability to make decisions and take actions autonomously.
Clustering agglomératif
Le clustering agglomératif est une méthode de clustering hiérarchique qui regroupe les points de données en fonction de leur proximité.
ALBERT
ALBERT est un modèle de langage léger conçu pour les tâches de traitement du langage naturel, améliorant l'efficacité et la performance.
Algorithme
Un algorithme est une procédure étape par étape pour résoudre un problème ou effectuer une tâche en informatique et en mathématiques.
Méthode de décomposition par directions alternées
ADMMLa méthode des multiplicateurs par la méthode de la direction alternée (ADMM) est un algorithme d'optimisation pour résoudre des problèmes complexes en les décomposant en sous-problèmes plus simples.
Inférence variationnelle amortie
AVIL'inférence variationnelle amortie optimise l'inférence approximative dans les modèles probabilistes en utilisant des mises à jour dépendantes des données.
Régression de boîte d'ancrage
La régression de boîte d'ancrage est une technique utilisée en détection d'objets pour affiner les boîtes englobantes proposées.
Score d'anomalie
Le score d'anomalie quantifie à quel point un point de données est inhabituel par rapport à un ensemble de données normal.
Anthropic Claude 3
Anthropic Claude 3 est un modèle d'IA conversationnelle de pointe conçu pour comprendre et générer du texte semblable à celui des humains.
Pensée anticipative
La pensée anticipative consiste à prévoir des scénarios futurs pour éclairer la prise de décision et la planification.
Big Data
Un algorithme d'approximation fournit des solutions proches de l'optimum pour des problèmes complexes où les solutions exactes sont impraticables.
Recherche d'architecture
La recherche d'architecture implique l'optimisation des architectures de réseaux neuronaux à l'aide de méthodes automatisées.
Diffusion de tableau
La diffusion de tableaux simplifie les opérations arithmétiques sur des tableaux de formes différentes en étendant automatiquement leurs dimensions.
Règles d’association
Les règles d'association sont utilisées en data mining pour identifier des relations entre des variables dans de grands ensembles de données.
Carte d'attention
Une carte d'attention visualise les zones de concentration d'un réseau de neurones lors du traitement, en mettant en évidence les caractéristiques importantes de l'entrée.
Sparsité de l'attention
La sparsité de l'attention fait référence à la focalisation sélective des réseaux neuronaux sur des parties spécifiques des données d'entrée, améliorant ainsi l'efficacité et la performance.
Poids d'attention
Les poids d'attention sont des valeurs qui déterminent l'attention d'un modèle sur différentes parties des données d'entrée dans les tâches d'IA.
Transformateur de Spectrogramme Audio
ASTUn transformateur de spectrogramme audio est un modèle d'apprentissage profond qui traite les spectrogrammes audio pour des tâches telles que la reconnaissance vocale et l'analyse musicale.
Architecture d'Autoencodeur
Une architecture d'autoencodeur est un type de réseau neuronal utilisé pour l'apprentissage non supervisé afin d'encoder et de décoder des données.
Preuve automatique de théorèmes
ATPLa preuve automatique de théorèmes (ATP) est un domaine en informatique axé sur la preuve de théorèmes mathématiques à l'aide d'algorithmes.