« Détection d'anomalies » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte : « Category:Termino 2019 » par « ») |
||
| (9 versions intermédiaires par le même utilisateur non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Algorithme d'apprentissage typiquement non supervisé qui passe au crible un ensemble d'événements ou d'objets et signale certains d'entre eux comme étant inhabituels ou atypiques. | Algorithme d'apprentissage typiquement non supervisé qui passe au crible un ensemble d'événements ou d'objets et signale certains d'entre eux comme étant inhabituels ou atypiques. | ||
==Français== | ==Français== | ||
'''détection des anomalies''' | '''détection des anomalies''' | ||
==Anglais== | ==Anglais== | ||
'''anomaly detection''' | '''anomaly detection''' | ||
==Sources== | |||
Source : Benkabou, Seif-Eddine (2018). ''Détection d’anomalies dans les séries temporelles: application aux masses de données sur les pneumatiques'', thèse de doctorat, Université de Lyon, 143 pages. | |||
[https://www.ibm.com/support/knowledgecenter/fr/SS3RA7_17.1.0/modeler_mainhelp_client_ddita/clementine/anomalydetectionnode_general.html, Source: IBM, ''Documentation SPSS, Noeud Détection des anomalies'', consulté le 17 mai 2910.] | |||
[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-eng.html?lang=eng&i=1&srchtxt=ANOMALY+DETECTION&index=alt&codom2nd_wet=KB#resultrecs, Source: TERMIUM, consulté le 20 mai 2019.] | |||
Source : | [[Utilisateur:Patrickdrouin | Source: Termino]] | ||
[ | [[Category:Intelligence artificielle]] | ||
[[ | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
{{DEFAULTSORT: Detection d'anomalies}} | |||
Dernière version du 11 octobre 2024 à 08:33
Définition
Algorithme d'apprentissage typiquement non supervisé qui passe au crible un ensemble d'événements ou d'objets et signale certains d'entre eux comme étant inhabituels ou atypiques.
Français
détection des anomalies
Anglais
anomaly detection
Sources
Source : Benkabou, Seif-Eddine (2018). Détection d’anomalies dans les séries temporelles: application aux masses de données sur les pneumatiques, thèse de doctorat, Université de Lyon, 143 pages.
Source: IBM, Documentation SPSS, Noeud Détection des anomalies, consulté le 17 mai 2910.
Contributeurs: Jacques Barolet, Julie Roy, Patrick Drouin, wiki
