Élément indépendant de l’apprentissage tels que le nombre de nœuds et la taille des couches cachées du réseau de neurones, l’initialisation des poids, le coefficient d’apprentissage, la fonction d’activation, etc.
Hyperparamètre : Définition juridique Read More »
Le gradient est, en mathématiques, un vecteur représentant la variation d’une fonction au voisinage d’un point donné (en pratique, lorsqu’on dessine une courbe, plus le gradient est élevé, plus la « pente » de la courbe est forte).
Gradient : Définition juridique Read More »
Un neurone artificiel fonctionne d’une manière inspirée de celle d’un neurone biologique : un nœud d’un réseau de plusieurs neurones reçoit généralement plusieurs valeurs d’entrée et génère une valeur de sortie.
Neurone artificiel : Définition juridique Read More »
Dans le domaine de l’intelligence artificielle, un réseau de neurones artificiels est un ensemble organisé de neurones interconnectés permettant la résolution de problèmes complexes tels que la vision par ordinateur ou le traitement du langage naturel.
Réseau de neurones artificiels (artificial neural network) : Définition juridique Read More »
L’apprentissage supervisé est un procédé d’apprentissage automatique dans lequel l’algorithme s’entraîne à une tâche déterminée en utilisant un jeu de données assorties chacune d’une annotation indiquant le résultat attendu.
Apprentissage supervisé : Définition juridique Read More »
Dans le domaine de l’intelligence artificielle, le taux d’apprentissage est le facteur multiplicatif appliqué au gradient. À chaque itération, l’algorithme de descente de gradient multiplie le taux d’apprentissage par le gradient.
Taux d’apprentissage (learning rate) : Définition juridique Read More »
L’apprentissage non supervisé est un procédé d’apprentissage automatique dans lequel l’algorithme utilise un jeu de données brutes et obtient un résultat en se fondant sur la détection de similarités entre certaines de ces données.
Apprentissage non supervisé : Définition juridique Read More »
L’apprentissage profond est un procédé d’apprentissage automatique utilisant des réseaux de neurones possédants plusieurs couches de neurones cachées. Ces algorithmes possédant de très nombreux paramètres, ils demandent un nombre très important de données afin d’être entraînés.
Apprentissage profond (deep learning) : Définition juridique Read More »
Dans le domaine de l’intelligence artificielle, le processus d’augmentation de données accroît la quantité de données d’entraînement par la création de nouvelles données à partir des données existantes.
Augmentation de données : Définition juridique Read More »
Les attaques par empoisonnement visent à modifier le comportement du système d’IA en introduisant des données corrompues en phase d’entraînement (ou d’apprentissage). Elles supposent que l’attaquant soit en mesures de soumettre des données à utiliser lors de l’entraînement du système d’IA.
Attaque par empoisonnement (data poisoning attack) : Définition juridique Read More »
L’estimation ou inférence bayésienne s’appuie sur un théorème énoncé par le mathématicien Thomas Bayes. Ce théorème donne une méthode pour calculer la probabilité d’un phénomène grâce à la connaissance de certaines informations. L’estimation bayésienne est donc la méthode qui s’appuie sur ce raisonnement.
Estimation bayésienne : Définition juridique Read More »
Les attaques par exfiltration de modèle visent à permettre le vol d’un modèle d’IA et/ou de ses paramètres et hyperparamètres. Le modèle constitue un actif de grande valeur pour un système d’IA.
Attaque par exfiltration de modèle (model evasion attack) : Définition juridique Read More »
Le partitionnement de données (clustering en anglais) est une méthode ayant pour but de diviser un ensemble de données en différents sous-ensembles homogènes, c’est-à-dire partageant des caractéristiques communes.
Partitionnement de données : Définition juridique Read More »
Méthode permettant de diminuer la quantité d’information en ne conservant que le strict nécessaire, permettant ainsi d’obtenir plus d’efficacité en termes de résultats et de temps d’analyse.
Réduction de dimension ou dimensionnalité : Définition juridique Read More »
La segmentation des données est une méthode permettant la division d’un corpus de données en plusieurs ensembles (par exemple d’entraînement, de validation et de test), soit à partir de critères objectifs (date, âge, etc.) soit de manière aléatoire.
Segmentation des données : Définition juridique Read More »
Ensemble de disciplines dont l’objectif est la captation, la transmission, l’identification et la synthèse de la parole. Ces disciplines rassemblent notamment la reconnaissance de la parole, la synthèse de la parole, l’identification du locuteur ou encore la vérification du locuteur.
Traitement automatique de la parole : Définition juridique Read More »
Le traitement automatique du langage naturel est un domaine multidisciplinaire impliquant la linguistique, l’informatique et l’intelligence artificielle.
Organisation des neurones dans un réseau. Il n’y a pas de connexion entre les neurones d’une même couche : les connexions ne se font qu’avec les neurones de la couche suivante.
Couche de neurones : Définition juridique Read More »
Élément de contrôle de l’évolution d’un algorithme d’apprentissage automatique qui permet, s’il est atteint, d’arrêter le processus itératif.
Critère d’arrêt : Définition juridique Read More »
Dans le domaine de l’intelligence artificielle, la fonction d’activation peut être vu comme l’équivalent du « potentiel d’activation » qu’on retrouve dans les neurones biologiques.
Fonction d’activation : Définition juridique Read More »
