« Algorithmes d'approximation de fonction » : différence entre les versions
m (Imeziani a déplacé la page Function approximation algorithms vers Algorithmes d'approximation de fonction) |
Aucun résumé des modifications |
||
Ligne 1 : | Ligne 1 : | ||
== Définition == | |||
Comprennent notamment des techniques statistiques d'apprentissage automatique. | |||
L'idée est que l'apprentissage automatique consiste à apprendre, à partir d'un certain nombre d'exemples ou d'instances ou de modèles d'apprentissage, à calculer une fonction dont les arguments sont des variables correspondant à la partie d'entrée du ou des modèles d'apprentissage et dont les variables de sortie correspondent à la partie de sortie des modèles d'apprentissage, qui fait correspondre la partie d'entrée de chaque modèle d'apprentissage à sa partie de sortie. | |||
L'espoir est que la fonction interpole / généralise à partir des modèles d'apprentissage, de sorte qu'elle produise des résultats raisonnables lorsqu'elle reçoit d'autres entrées. | |||
== Français == | == Français == | ||
'''algorithmes d'approximation de fonction''' | |||
== Anglais == | == Anglais == | ||
'''function approximation algorithms''' | '''function approximation algorithms''' | ||
<small> | <small> | ||
[http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html Source : INWS machine learning dictionary] ] | [http://www.cse.unsw.edu.au/~billw/dictionaries/mldict.html Source : INWS machine learning dictionary] ] | ||
[[Catégorie:publication]] | |||
[[Catégorie:Apprentissage automatique]] | |||
[[Catégorie:UNSW]] |
Version du 29 octobre 2021 à 08:21
Définition
Comprennent notamment des techniques statistiques d'apprentissage automatique.
L'idée est que l'apprentissage automatique consiste à apprendre, à partir d'un certain nombre d'exemples ou d'instances ou de modèles d'apprentissage, à calculer une fonction dont les arguments sont des variables correspondant à la partie d'entrée du ou des modèles d'apprentissage et dont les variables de sortie correspondent à la partie de sortie des modèles d'apprentissage, qui fait correspondre la partie d'entrée de chaque modèle d'apprentissage à sa partie de sortie.
L'espoir est que la fonction interpole / généralise à partir des modèles d'apprentissage, de sorte qu'elle produise des résultats raisonnables lorsqu'elle reçoit d'autres entrées.
Français
algorithmes d'approximation de fonction
Anglais
function approximation algorithms
Contributeurs: Imane Meziani, wiki