Glossary

0-9

2-stage detector 9-layer network 5G + AI 0-shot learning 6DoF pose estimation 3D convolution 8-bit quantization 7D representation 1-shot learning 4D data

A

Algorithm Autoencoder AGI / Artificial General Intelligence Attention Artificial Intelligence (AI)

B

BERT Batch Normalization Backpropagation Bias Boosting

C

Chatbot Classifier / Classification CNN / Convolutional Neural Network Cross-Validation Clustering

D

Deterministic Model Discriminative Model Deepfake Data Augmentation Deep Learning

E

Epoch Encoder Ensemble Learning Embedding Explainable AI (XAI)

F

Foundation Model Feature Extraction Fusion / Multimodal Fusion Forward Propagation Fine-tuning

G

GAN / Generative Adversarial Network Generative AI Gradient Descent Grounding Graph Neural Network (GNN)

H

Hyperparameter Hidden Layer Hallucination Heuristic Hierarchical Model

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

JAX Joint Embedding JSONL / JSON-lines Juxtaposition Jittering

K

Knowledge Distillation KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Kernel Trick

L

Large Language Model (LLM)Latent Variable Loss Function Learning Rate LSTM / Long Short-Term Memory

M

Model Machine Learning (ML)Meta-learning Multi-head Attention Multimodal / Multimodality

N

Neural Network Novelty Detection / Anomaly Detection NLP / Natural Language Processing NLU / Natural Language Understanding Normalization

O

Optimizer Online Learning Objective Function Overfitting One-hot Encoding

P

Parameter Prompt Policy / Reinforcement Learning Policy Pooling Pretraining

Q

Query Quality Estimation Quantization Q-learning Queue / Buffer

R

Representation Learning Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)Regularization RNN / Recurrent Neural Network

S

Self-Supervised Learning Supervised Learning Sampling Sequence Modeling Softmax

T

Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning Training Data

U

Unsupervised Learning Uncertainty Estimation Underfitting Universal Approximation Theorem U-Net

V

Variational Autoencoder (VAE)Vector Embedding Validation Set Vanishing / Exploding Gradient Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

X-axis / feature axis XOR problem XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Yield (model yield / throughput)Yoga of AI Y-transform / YUV YAGNI (You Aren't Gonna Need It)

Z

Zero-shot Learning / Zero-shot inference Zero-centric / Zero-bias initialization Z-score Normalization Zygosity in augmentation Zero-gradient phenomenon

Qu'est-ce que la divergence KL (Kullback–Leibler)

La divergence Kullback-Leibler (KL) est un concept fondamental en théorie de l'information et en statistiques qui quantifie la différence entre deux distributions de probabilité. Elle est largement utilisée dans des domaines tels que l'apprentissage automatique, la statistique et la récupération d'informations. Plus la valeur de la divergence KL est petite, plus les deux distributions sont similaires ; inversement, une valeur plus élevée indique une plus grande divergence.

La formule de la divergence KL est définie comme suit :
D_{KL}(P || Q) = ∑ P(i) log(P(i)/Q(i)), où P et Q sont deux distributions de probabilité. La divergence KL est non négative pour les distributions de probabilité non négatives et est égale à zéro uniquement lorsque P et Q sont identiques. Une caractéristique notable de la divergence KL est son asymétrie ; D_{KL}(P || Q) n'est pas égal à D_{KL}(Q || P).

Dans la pratique, la divergence KL est couramment utilisée pour l'évaluation des modèles, la formation de modèles génératifs et la compression d'informations. Par exemple, les algorithmes d'optimisation en apprentissage automatique peuvent minimiser la divergence KL afin d'aligner la distribution prédite du modèle avec la distribution réelle des données.

À l'avenir, avec l'avancement des technologies d'apprentissage profond et des données massives, la divergence KL pourrait être combinée avec d'autres métriques d'information pour créer des modèles plus complexes afin de traiter des données de haute dimension.

Les avantages de la divergence KL incluent sa simplicité mathématique et sa facilité de calcul, mais ses inconvénients incluent sa sensibilité aux événements de probabilité nulle, ce qui peut conduire à des résultats instables. Lors de son utilisation, il est nécessaire de s'assurer que les distributions de probabilité d'entrée sont valides.