« Apprentissage de similarités » : différence entre les versions
Aucun résumé des modifications Balise : Éditeur de wikicode 2017 |
m (Remplacement de texte — « ==Définition== » par « ==Définition== ») |
||
| Ligne 1 : | Ligne 1 : | ||
[[Catégorie:Intelligence artificielle]] | [[Catégorie:Intelligence artificielle]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
==Définition== | ==Définition== | ||
L'apprentissage de la similarité est un domaine de l'apprentissage automatique supervisé en intelligence artificielle. Il est étroitement lié à la régression et à la classification, mais l'objectif est d'apprendre une fonction de similitude qui mesure la similitude ou la relation entre deux objets. Il a des applications dans le classement, dans les systèmes de recommandation, le suivi d'identité visuelle, la vérification du visage et la vérification du locuteur. | L'apprentissage de la similarité est un domaine de l'apprentissage automatique supervisé en intelligence artificielle. Il est étroitement lié à la régression et à la classification, mais l'objectif est d'apprendre une fonction de similitude qui mesure la similitude ou la relation entre deux objets. Il a des applications dans le classement, dans les systèmes de recommandation, le suivi d'identité visuelle, la vérification du visage et la vérification du locuteur. | ||
Version du 18 avril 2020 à 11:24
Définition
L'apprentissage de la similarité est un domaine de l'apprentissage automatique supervisé en intelligence artificielle. Il est étroitement lié à la régression et à la classification, mais l'objectif est d'apprendre une fonction de similitude qui mesure la similitude ou la relation entre deux objets. Il a des applications dans le classement, dans les systèmes de recommandation, le suivi d'identité visuelle, la vérification du visage et la vérification du locuteur.
Voir: métrique.
Français
apprentissage de similarités loc. nominale. masc.
apprentissage de métriques loc. nominale. masc.
Anglais
metric learning
similarity learning
Contributeurs: Jacques Barolet, wiki
