[Francky]

[Tristan]

J'ai lu vos posts. Votre projet est louable mais pas si utopique. En tant que professionel de la question, je peux vous aider un peu.

L'IA utilise différentes techniques : Réseaux bayésiens - Réseaux de neurones - Machines à vecteurs de supports - Algorithmes génétiques - Réseaux de Markov - Data mining - Data bagging - Boosting.

Elles permettent d'apporter de l'intelligence à la progammation conditionnelle classique. Ainsi dans le modèle bayésien, l'implication A=>B devient P(A) => P(B), la fonction P étant la probabilité que l'évenement se produise. Le théorème de Bayes indique que l'implication probabiliste peut etre remontée. On ainsi peut calculer P(A) à partir de P(B).

Pour aboutir au théorème de Bayes, on part d'une des définitions de la probabilité conditionnelle : P(A | B)P(B) = P(A,B) = P(B | A)P(A)
en notant P(A,B) la probabilité que A et B aient tous les deux lieu. En divisant de part et d'autre par P(B), on obtient :

P(A/B)=P(B/A)P(A)/P(B)

soit le théorème de Bayes.

Ca signifie que dans un réseaux complexe si P(B) change P(A) aussi d'ou la faculté du réseaux à apprendre en modifiant les pondérations probalistes sur ses différents noeuds ...

ATTENTION, l'IA, c'est 10 % d'informatique et 90% de math. Avis aux amateurs

[Invité]

oulà j'ai mal à la tête là....


Ciao

[socar]

faut pas Josh c simplement de la proba donc des maths..

@+