Apprentissage par renforcementEn intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.
Variété topologiqueEn topologie, une variété topologique est un espace topologique, éventuellement séparé, assimilable localement à un espace euclidien. Les variétés topologiques constituent une classe importante des espaces topologiques, avec des applications à tous les domaines des mathématiques. Le terme variété peut désigner une variété topologique, ou, le plus souvent, une variété topologique munie d'une autre structure. Par exemple, une variété différentielle est une variété topologique munie d'une structure permettant le calcul différentiel.
Fonction impliciteEn mathématiques, une équation entre différentes variables où une variable n'est pas explicitée en fonction des autres est appelée une équation implicite. Une fonction implicite est une fonction qui se déduit implicitement d'une telle équation. Plus précisément si f est une fonction de E × F dans G, où E, F et G sont des espaces vectoriels normés ou plus simplement des intervalles de R, l'équation f(x,y) = 0 définit une fonction implicite si l'on peut exprimer une des variables en fonction de l'autre pour tous les couples (x,y) vérifiant l'équation.
Weak supervisionWeak supervision, also called semi-supervised learning, is a paradigm in machine learning, the relevance and notability of which increased with the advent of large language models due to large amount of data required to train them. It is characterized by using a combination of a small amount of human-labeled data (exclusively used in more expensive and time-consuming supervised learning paradigm), followed by a large amount of unlabeled data (used exclusively in unsupervised learning paradigm).
DBSCANDBSCAN (density-based spatial clustering of applications with noise) est un algorithme de partitionnement de données proposé en 1996 par Martin Ester, Hans-Peter Kriegel, Jörg Sander et Xiaowei Xu. Il s'agit d'un algorithme fondé sur la densité dans la mesure qui s’appuie sur la densité estimée des clusters pour effectuer le partitionnement. thumb|400px|Les points A sont les points déjà dans le cluster. Les points B et C sont atteignables depuis A et appartiennent donc au même cluster.
Suite généraliséeEn mathématiques, la notion de suite généralisée, ou suite de Moore-Smith, ou filet, étend celle de suite, en indexant les éléments d'une famille par des éléments d'un ensemble ordonné filtrant qui n'est plus nécessairement celui des entiers naturels. Pour tout ensemble X, une suite généralisée d'éléments de X est une famille d'éléments de X indexée par un ensemble ordonné filtrant A. Par filtrant (à droite), on entend que toute paire dans A possède un majorant dans A. Soit un filet dans un ensemble E et, pour tout , .
Carte autoadaptativeLes cartes autoadaptatives, cartes auto-organisatrices ou cartes topologiques forment une classe de réseau de neurones artificiels fondée sur des méthodes d'apprentissage non supervisées. Elles sont souvent désignées par le terme anglais self organizing maps (SOM), ou encore cartes de Kohonen du nom du statisticien ayant développé le concept en 1984. La littérature utilise aussi les dénominations : « réseau de Kohonen », « réseau autoadaptatif » ou « réseau autoorganisé ».
Voisinage (mathématiques)En mathématiques, dans un espace topologique, un voisinage d'un point est une partie de l'espace qui contient un ouvert qui comprend ce point. C'est une notion centrale dans la description d'un espace topologique. Par opposition aux voisinages, les ensembles ouverts permettent de définir élégamment des propriétés globales comme la continuité en tout point. En revanche, pour les propriétés locales comme la continuité en un point donné ou la limite, la notion de voisinage (et le formalisme correspondant) est plus adaptée.
Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Théorème des fonctions implicitesEn mathématiques, le théorème des fonctions implicites est un résultat de géométrie différentielle. Certaines courbes planes sont définies par une équation cartésienne, c'est-à-dire une équation de la forme f(x, y) = 0, où x et y décrivent les nombres réels. Le théorème indique que si la fonction f est suffisamment régulière au voisinage d'un point de la courbe, il existe une fonction φ de R dans R au moins aussi régulière que f telle que localement, la courbe et le graphe de la fonction φ sont confondus.
