« Probabilité algorithmique » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Ligne 3 : Ligne 3 :


Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.  
Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.  
Dans le formalisme mathématique utilisé, les observations ont la forme de chaînes binaires finies, et le prior universel est une distribution de probabilité sur l'ensemble de chaînes binaires finies [citation nécessaire]. La priorité est universelle au sens de calcul de Turing, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Il n'est pas calculable, mais il peut être approximé.


== Français ==
== Français ==

Version du 6 juin 2020 à 21:14

Définition

En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.

Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.

Français

Probabilité algorithmique

Probabilité de Solomonoff

Anglais

Algorithmic probability


Source : Wikipedia

[Source: http://www.lifl.fr/SMAC/publications/pdf/these-hector-zenil-chavez.pdf Source : lifl.fr]

Récupérée de « https://datafranca.org/wiki/index.php?title=Probabilité_algorithmique&oldid=32046 »


Contributeurs: Claude Coulombe, Imane Meziani, wiki, Sihem Kouache