« Construction d'arbres d’habiletés » : différence entre les versions
m (Remplacement de texte : « ↵↵==Sources== » par «  ==Sources== »)
 
(5 versions intermédiaires par 2 utilisateurs non affichées)
Ligne 1 : Ligne 1 :
==en construction==
== Définition ==
== Définition ==
Construction d'arbres de d’habiletés / compétences
Constructing skill trees (CST) is a hierarchical reinforcement learning algorithm which can build skill trees from a set of sample solution trajectories obtained from demonstration. CST uses an incremental MAP (maximum a posteriori) change point detection algorithm to segment each demonstration trajectory into skills and integrate the results into a skill tree. CST was introduced by George Konidaris, Scott Kuindersma, Andrew Barto and Roderic Grupen in 2010.
En apprentissage par renforcement, la construction d'arbres d’habiletés (CAH) est un algorithme hiérarchique qui construit des arbres d’habiletés à partir d'un ensemble de solutions obtenues par démonstration.  
En apprentissage par renforcement, la construction d'arbres d’habiletés (CAH) est un algorithme hiérarchique qui construit des arbres d’habiletés à partir d'un ensemble de solutions obtenues par démonstration.  
Compléments: L’algorithme CAH utilise un algorithme de détection de ruptures pour segmenter chaque trajectoire de démonstration en habiletés et intégrer les résultats dans un arbre. CAH a été créé par George Konidaris, Scott Kuindersma, Andrew Barto et Roderic Grupen en 2010.
 
Un algorithme de détection de ruptures a pour but de repérer dans le temps ou l’espace l’endroit où une variable (ou signal) change, ce qui se traduit par un changement dans sa distribution statistique.  
Compléments: L’algorithme CAH utilise un [[algorithme de détection de ruptures]] pour segmenter chaque trajectoire de démonstration en habiletés et intégrer les résultats dans un arbre. CAH a été créé par George Konidaris, Scott Kuindersma, Andrew Barto et Roderic Grupen en 2010.


== Français ==
== Français ==
''' XXXXXXXXX '''
''' construction d'arbres d’habiletés '''
 
'''CAH'''


== Anglais ==
== Anglais ==
''' Constructing skill trees'''
''' constructing skill trees'''
 
==Sources==
 
Constructing skill trees (CST) is a hierarchical reinforcement learning algorithm which can build skill trees from a set of sample solution trajectories obtained from demonstration. CST uses an incremental MAP (maximum a posteriori) change point detection algorithm to segment each demonstration trajectory into skills and integrate the results into a skill tree. CST was introduced by George Konidaris, Scott Kuindersma, Andrew Barto and Roderic Grupen in 2010.
 


<small>


[https://en.wikipedia.org/wiki/Constructing_skill_trees  Source :  Source : Wikipedia  ]
[https://en.wikipedia.org/wiki/Constructing_skill_trees  Source :  Source : Wikipedia  ]
Ligne 24 : Ligne 18 :
[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms  Source : Wikipedia Machine learning algorithms  ]
[https://en.wikipedia.org/wiki/Outline_of_machine_learning#Machine_learning_algorithms  Source : Wikipedia Machine learning algorithms  ]


[[Catégorie:vocabulary]]
[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
[[Catégorie:Wikipedia-IA‏‎]]

Dernière version du 30 août 2024 à 17:53

Définition

En apprentissage par renforcement, la construction d'arbres d’habiletés (CAH) est un algorithme hiérarchique qui construit des arbres d’habiletés à partir d'un ensemble de solutions obtenues par démonstration.

Compléments: L’algorithme CAH utilise un algorithme de détection de ruptures pour segmenter chaque trajectoire de démonstration en habiletés et intégrer les résultats dans un arbre. CAH a été créé par George Konidaris, Scott Kuindersma, Andrew Barto et Roderic Grupen en 2010.

Français

construction d'arbres d’habiletés

CAH

Anglais

constructing skill trees

Sources

Source : Source : Wikipedia

Source : Wikipedia Machine learning algorithms

Récupérée de « https://datafranca.org/wiki/index.php?title=Construction_d%27arbres_d’habiletés&oldid=108139 »

Contributeurs: Imane Meziani, wiki