Apprentissage automatique. Un article de Wikipédia, l'encyclopédie libre.
L'apprentissage automatique (machine learning en anglais), un des champs d'étude de l'intelligence artificielle, est la discipline scientifique concernée par le développement, l'analyse et l'implémentation de méthodes automatisables qui permettent à une machine (au sens large) d'évoluer grâce à un processus d'apprentissage, et ainsi de remplir des tâches qu'il est difficile ou impossible de remplir par des moyens algorithmiques plus classiques. Des systèmes complexes peuvent être analysés, y compris pour des données associées à des valeurs symboliques (ex: sur un attribut numérique, non pas simplement une valeur numérique, juste un nombre, mais une valeur probabilisée, c'est-à-dire un nombre assorti d'une probabilité ou associé à un intervalle de confiance) ou un ensemble de modalités possibles sur un attribut numérique ou catégoriel. Réseaux de neurones : "Taux d'apprentissage" ?
Vers une science de l’intelligence collective. MSDN Magazine : Algorithmes naturels : utiliser des algorithmes de colonies d'abeilles pour résoudre des problèmes impossibles. Les algorithmes de colonie d'abeilles simulée (SBC, Simulated Bee Colony) modélisent le comportement des abeilles à miel et peuvent servir à rechercher des solutions à des problèmes combinatoires difficiles ou impossibles.
Dans cet article, j'expliquerai ce que sont exactement les algorithmes SBC, je décrirai les types de problèmes pouvant être résolus à l'aide des algorithmes SBC et je présenterai un exemple complet de bout en bout qui utilise un algorithme SBC pour résoudre le problème du voyageur de commerce. Pour avoir un aperçu des algorithmes SBC et savoir ce qui vous attend dans cet article, consultez le programme de démonstration en cours d'exécution à la Figure 1.