Nouvelles pages
- 11 mars 2024 à 21:05 Reward model (hist | modifier) [62 octets] Pitpitt (discussion | contributions) (Page redirigée vers Modèle de récompense) Balise : Nouvelle redirection
- 11 mars 2024 à 21:04 Modèle de récompense et de pénalité (hist | modifier) [78 octets] Pitpitt (discussion | contributions) (Page redirigée vers Modèle de récompense) Balise : Nouvelle redirection
- 11 mars 2024 à 21:04 Modèle de récompenses (hist | modifier) [78 octets] Pitpitt (discussion | contributions) (Page redirigée vers Modèle de récompense) Balise : Nouvelle redirection
- 11 mars 2024 à 21:00 Cerviciel (hist | modifier) [65 octets] Pitpitt (discussion | contributions) (Page redirigée vers Biogiciel) Balise : Nouvelle redirection
- 11 mars 2024 à 15:45 Jailbreaking (hist | modifier) [49 octets] Pitpitt (discussion | contributions) (Page redirigée vers Jailbreak) Balise : Nouvelle redirection
- 11 mars 2024 à 15:45 Débrider (hist | modifier) [66 octets] Pitpitt (discussion | contributions) (Page redirigée vers Jailbreak) Balise : Nouvelle redirection
- 9 mars 2024 à 11:16 R-squared (hist | modifier) [639 octets] Pitpitt (discussion | contributions) (Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' R-squared''' R-squared is a statistical measure that represents the proportion of the variance in the dependent variable that is explained by the independent variables in the model. An R-squared value of 1 indicates that the model explains all the variance in the dependent variable, and a value of 0 indicates that the model explains none of the variances. ==... »)
- 9 mars 2024 à 11:15 Adjusted R-squared (hist | modifier) [558 octets] Pitpitt (discussion | contributions) (Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Adjusted R-squared ''' Adjusted R-squared is a modified version of R-squared that accounts for the number of independent variables in the model. It is a better indicator of the model’s goodness of fit when comparing models with different numbers of independent variables. == Source == [https://medium.com/@deasadiqbal/demystifying-machine-learning-a-guided-... »)
- 6 mars 2024 à 16:20 Modèle de récompense (hist | modifier) [2 305 octets] Patrickdrouin (discussion | contributions) (Page créée avec « == Définition == En apprentissage par renforcement, le modèle de récompense donne une récompense ou une pénalité en réponse à une action qui est posée par un agent. == Compléments == Dans un grand modèle de langues, l'action serait une requête Dans le cas d'un agent autonome comme un robot aspirateur, le fait de se buter contre un mur va déclencher une pénalité, ce qui permet au robot d'ajuster son comportement. On rencontre parfois le te... »)
- 6 mars 2024 à 15:48 Débridage (hist | modifier) [1 161 octets] Patrickdrouin (discussion | contributions) (Page créée avec « == Définition == Action qui consiste à contourner les restrictions d'utilisation de différents systèmes informatiques (matériels ou logiciels) dont des grands modèles de langues. == Compléments == L'action correspondante se nomme ''débridage'' et s'effectue, pour un grand modèle de langues, à l'aide d'une ou de plusieurs requêtes astucieusement rédigées. == Français == '''débrider''' '''débridage'... ») créé initialement avec le titre « Jailbreak »
- 27 février 2024 à 21:51 Apprentissage S2ES (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:51 Architecture S2ES (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:51 Modèle S2ES (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:51 Réseau S2ES (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:50 Architecture à base de séquences d'espaces d'états structurés (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:50 Apprentissage à base de séquences d'espaces d'états structurés (hist | modifier) [116 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:47 S4 model (hist | modifier) [87 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 21:47 S4 architecture (hist | modifier) [88 octets] Pitpitt (discussion | contributions) (Page redirigée vers Réseau à base de séquences d'espaces d'états structurés) Balise : Nouvelle redirection
- 27 février 2024 à 16:31 Réseau neuronal d'espaces d'états structurés (hist | modifier) [2 874 octets] Patrickdrouin (discussion | contributions) (Page créée avec « ==Définition== == Compléments == Mamba est exemple de modèle à base de séquences d'espaces d'états structurés développé par des chercheurs de l'Université Carnegie Mellon et de l'Université de Princeton pour répondre à certaines limitations des modèles autoattentifs (''transformers''), en particulier pour le traitement de longues séquences. ==Français== '''modèle à base de séquences d'espaces d'états structurés''... ») créé initialement avec le titre « Structured state space sequence model »
- 25 février 2024 à 11:13 Causal Deep Learning (hist | modifier) [1 848 octets] Pitpitt (discussion | contributions) (Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' Causal Deep Learning''' Causality has the potential to truly transform the way we solve a large number of real-world problems. Yet, so far, its potential largely remains to be unlocked as causality often requires crucial assumptions which cannot be tested in practice. To address this challenge, we propose a new way of thinking about causality -- we call this c... »)
- 24 février 2024 à 19:33 Eigen decomposition (hist | modifier) [90 octets] Pitpitt (discussion | contributions) (Page redirigée vers Décomposition d'une matrice en éléments propres) Balise : Nouvelle redirection
- 24 février 2024 à 19:32 Décomposition d'une matrice en éléments canoniques (hist | modifier) [106 octets] Pitpitt (discussion | contributions) (Page redirigée vers Décomposition d'une matrice en éléments propres) Balise : Nouvelle redirection
- 24 février 2024 à 19:32 Décomposition en valeurs propres (hist | modifier) [106 octets] Pitpitt (discussion | contributions) (Page redirigée vers Décomposition d'une matrice en éléments propres) Balise : Nouvelle redirection
- 24 février 2024 à 19:27 Retour arrière par bond (hist | modifier) [89 octets] Pitpitt (discussion | contributions) (Page redirigée vers Retour arrière non-chronologique) Balise : Nouvelle redirection
- 24 février 2024 à 19:23 Transposed convolution (hist | modifier) [63 octets] Pitpitt (discussion | contributions) (Page redirigée vers Convolution transposée) Balise : Nouvelle redirection
- 24 février 2024 à 19:23 Up sampling (hist | modifier) [63 octets] Pitpitt (discussion | contributions) (Page redirigée vers Convolution transposée) Balise : Nouvelle redirection
- 24 février 2024 à 19:21 Convolution par incrément fractionnaire (hist | modifier) [79 octets] Pitpitt (discussion | contributions) (Page redirigée vers Convolution transposée) Balise : Nouvelle redirection
- 24 février 2024 à 19:21 Convolution à pas fractionnaire (hist | modifier) [79 octets] Pitpitt (discussion | contributions) (Page redirigée vers Convolution transposée) Balise : Nouvelle redirection
- 24 février 2024 à 19:15 Apprentissage fédéré interdépartemental (hist | modifier) [96 octets] Pitpitt (discussion | contributions) (Page redirigée vers Apprentissage fédéré interentreprises) Balise : Nouvelle redirection
- 24 février 2024 à 19:14 SHAP analysis (hist | modifier) [52 octets] Pitpitt (discussion | contributions) (Page redirigée vers Analyse SHAP) Balise : Nouvelle redirection
- 24 février 2024 à 09:51 Hacktiviste (hist | modifier) [62 octets] Pitpitt (discussion | contributions) (Page redirigée vers Hacker) Balise : Nouvelle redirection
- 24 février 2024 à 09:48 Robot d'indexation (hist | modifier) [511 octets] Pitpitt (discussion | contributions) (Page créée avec « ==en construction== == Définition == XXXXXXXXX == Français == ''' XXXXXXXXX ''' == Anglais == ''' AI Crawler''' An AI web crawler, driven by sophisticated artificial intelligence algorithms, brings a new level of intelligence to the process of web crawling. These algorithms go beyond mere data fetching; they can comprehend the intricacies of language, discern context, and extract meaningful insights from the vast expanse of digital information. This not on... ») créé initialement avec le titre « AI Crawler »
- 20 février 2024 à 20:29 Modèle fondationnel (hist | modifier) [74 octets] Pitpitt (discussion | contributions) (Page redirigée vers Modèle fondateur) Balise : Nouvelle redirection
- 20 février 2024 à 15:59 Empoisonnement de modèle (hist | modifier) [836 octets] Patrickdrouin (discussion | contributions) (Page créée avec « ==Définition== L'empoisonnement de modèle est le résultat de l'entraînement d'un modèle sur des données empoisonnées. == Compléments == Voir empoisonnement de données. ==Français== '''empoisonnement de modèle''' ==Anglais== '''model poisoning''' ==Sources== Catégorie:Publication ») créé initialement avec le titre « Model poisoning »
- 20 février 2024 à 15:51 Empoisonnement de données (hist | modifier) [1 985 octets] Patrickdrouin (discussion | contributions) (Page créée avec « ==Définition== L'empoisonnement de données consiste à contaminer un ensemble de données d'apprentissage avec des données conçues pour augmenter les erreurs dans les résultats. == Compléments == Étant donné que les algorithmes d'apprentissage sont façonnés par les données d'apprentissage, on peut ainsi insérer des pixels dans une image afin que le modèle apprenne une image déformée ou même une image qui cachée dans l'image d'origine. En clai... ») créé initialement avec le titre « Data poisoning »
- 20 février 2024 à 15:20 Innovation ouverte (hist | modifier) [1 125 octets] Patrickdrouin (discussion | contributions) (Page créée avec « ==Définition== == Compléments == ==Français== '''innovation ouverte''' ==Anglais== '''open innovation''' ==Sources== [https://cirano.qc.ca/fr/sommaires/2022RP-05 ''Innovation ouverte et écosystème d’innovation : Implications pour le secteur public'', CIRANO] [https://fr.wikipedia.org/wiki/Innovation_ouverte ''Innovation ouverte'', Wikipedia] [https://en.wikipedia.org/wiki/Open_innovation ''Open innovation'', Wikipedia] Catégorie:Publication ») créé initialement avec le titre « Open innovation »
- 19 février 2024 à 20:38 Approximation ratée de l'IA (hist | modifier) [74 octets] Pitpitt (discussion | contributions) (Page redirigée vers Fabulation de l'IA) Balise : Nouvelle redirection