Apprentissage statistique


Révision datée du 10 mars 2020 à 11:25 par Pitpitt (discussion | contributions) (Page créée avec « ==en construction== Catégorie:Vocabulaire Catégorie:Intelligence artificielle Catégorie:24pm ==Définition== Apprentissage relationnel statistique (SRL) e... »)
(diff) ← Version précédente | Voir la version actuelle (diff) | Version suivante → (diff)

en construction


Définition

Apprentissage relationnel statistique (SRL) est une sous - discipline de  l'intelligence artificielle e et l’apprentissage machine qui concerne les modèles de domaine qui présentent à la fois l’incertitude (qui peut être traitée au moyen de méthodes statistiques) et complexe, relationnelle structure.

Notons que SRL est parfois appelé apprentissage relationnel par ordinateur (RML) dans la littérature. Typiquement, les représentations de connaissances formalismes développés dans l’utilisation des SRL (un sous - ensemble de) la logique du premier ordre pour décrire les propriétés relationnelles d'un domaine à un homme général ner (quantification universelle ) et faire appel à des modèles graphiques probabilistes (tels que les réseaux bayésiens ou des réseaux de Markov) modéliser l'incertitude; certains s'appuient également sur les méthodes de programmation par logique inductive. Des contributions importantes dans ce domaine ont été apportées depuis la fin des années 90.

Comme il ressort de la description ci-dessus, le domaine ne se limite pas strictement aux aspects d'apprentissage; il concerne également le raisonnement (en particulier l’inférence probabiliste) et la représentation des connaissances. Par conséquent, les termes alternatifs qui reflètent les principaux foyers du champ d'apprentissage relationnel statistique et raisonnement (mettant l’accent sur l'importance du raisonnement) et de premier ordre langues probabilistes (mettant en valeur les principales propriétés des langues avec lesquelles les modèles sont représentés).

Français

Apprentissage relationnel statistique loc. nominale. masc.

Anglais

XXXXXXX


Source : 24pm academie



Contributeurs: Jacques Barolet, wiki