Domaine de connaissance
Questions du domaine
5 résultats
La généralisation est la capacité d’un modèle à fonctionner sur données, scènes ou situations nouvelles mais pertinentes, au-delà des exemples d’entraînement. Elle se mesure par scénario et domaine.
La généralisation s’améliore par données diversifiées, contrôle des biais, régularisation et validation indépendante. Chaque changement est vérifié sur le domaine réel et ses cas limites.
Pour tester un nouvel environnement, on réserve lieux et conditions non vus, puis on mesure erreurs, incertitude, décisions et repli avant déploiement. Configuration, capteurs et domaine sont documentés.
Un réseau généralise lorsqu’il utilise des régularités utiles sur des exemples inconnus ; il mémorise lorsqu’il s’appuie sur des détails particuliers du jeu d’entraînement.
Lorsqu’un modèle robotique ne généralise pas, il faut arrêter l’extension, analyser les erreurs, vérifier les données et décider entre recalibration, nouvelles données, adaptation ou retour à une version sûre.
Une question plus précise ?