Probabilité algorithmique - Historique des versions

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

2024-01-28T16:28:58Z

Remplacement de texte : « ↵<small> » par «  ==Sources== »

← Version précédente		Version du 28 janvier 2024 à 12:28
Ligne 13 :		Ligne 13 :


	~~<small>~~		==Sources==

	[https://en.wikipedia.org/wiki/Algorithmic_probability Source : Wikipedia ]		[https://en.wikipedia.org/wiki/Algorithmic_probability Source : Wikipedia ]

Imeziani le 7 janvier 2021 à 14:37

2021-01-07T14:37:50Z

← Version précédente		Version du 7 janvier 2021 à 10:37
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été ~~inventé~~ par Ray Solomonoff dans les années 1960.		En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Elle a été inventée par Ray Solomonoff dans les années 1960.

	Il est ~~utilisé~~ dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.		Elle est utilisée dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.

	== Français ==		== Français ==
Ligne 21 :		Ligne 21 :

	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Scotty2]]~~

Imeziani : Annulation des modifications 33402 de Sihem (discussion)

2021-01-07T14:35:46Z

Annulation des modifications 33402 de Sihem (discussion)

← Version précédente		Version du 7 janvier 2021 à 10:35
Ligne 2 :		Ligne 2 :
	En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.		En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.

	Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise le préalable ~~obtenu~~ dans la règle de Bayes pour la prédiction.		Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.

	== Français ==		== Français ==

Sihem le 3 décembre 2020 à 02:47

2020-12-03T02:47:09Z

← Version précédente		Version du 2 décembre 2020 à 22:47
Ligne 2 :		Ligne 2 :
	En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.		En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.

	Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable ~~obtenue~~ dans la règle de Bayes pour la prédiction.		Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise le préalable obtenu dans la règle de Bayes pour la prédiction.

	== Français ==		== Français ==

Pitpitt : Pitpitt a déplacé la page Algorithmic probability vers Probabilité algorithmique

2020-06-07T01:16:06Z

Pitpitt a déplacé la page Algorithmic probability vers Probabilité algorithmique

← Version précédente	Version du 6 juin 2020 à 21:16
(Aucune différence)

Pitpitt le 7 juin 2020 à 01:14

2020-06-07T01:14:57Z

← Version précédente		Version du 6 juin 2020 à 21:14
Ligne 3 :		Ligne 3 :

	Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.		Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.

	Dans le formalisme mathématique utilisé, les observations ont la forme de chaînes binaires finies, et le prior universel est une distribution de probabilité sur l'ensemble de chaînes binaires finies [citation nécessaire]. La priorité est universelle au sens de calcul de Turing, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Il n'est pas calculable, mais il peut être approximé.

	== Français ==		== Français ==

Pitpitt le 7 juin 2020 à 01:14

2020-06-07T01:14:26Z

← Version précédente		Version du 6 juin 2020 à 21:14
Ligne 1 :		Ligne 1 :

	~~== en construction ==~~
	~~[[Catégorie:Vocabulary]]~~
	~~[[Catégorie:Intelligence artificielle‏‎]]~~
	~~[[Catégorie:Wikipedia-IA]]~~
	~~[[Catégorie:Coulombe]]~~

	== Définition ==		== Définition ==
	En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.		En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.
Ligne 12 :		Ligne 5 :

	Dans le formalisme mathématique utilisé, les observations ont la forme de chaînes binaires finies, et le prior universel est une distribution de probabilité sur l'ensemble de chaînes binaires finies [citation nécessaire]. La priorité est universelle au sens de calcul de Turing, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Il n'est pas calculable, mais il peut être approximé.		Dans le formalisme mathématique utilisé, les observations ont la forme de chaînes binaires finies, et le prior universel est une distribution de probabilité sur l'ensemble de chaînes binaires finies [citation nécessaire]. La priorité est universelle au sens de calcul de Turing, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Il n'est pas calculable, mais il peut être approximé.


	== Français ==		== Français ==
	''' ~~probabilité~~ algorithmique'''		''' Probabilité algorithmique'''


			'''Probabilité de Solomonoff'''

	== Anglais ==		== Anglais ==

	''' Algorithmic probability '''		''' Algorithmic probability '''

	In algorithmic information theory, algorithmic probability, also known as Solomonoff probability, is a mathematical method of assigning a prior probability to a given observation. It was invented by Ray Solomonoff in the 1960s.

	It is used in inductive inference theory and analyses of algorithms. In his general theory of inductive inference, Solomonoff uses the prior[clarification needed] obtained by this formula[which?], in Bayes' rule for prediction [example needed][further explanation needed].		<small>

	~~In the mathematical formalism used, the observations have the form of finite binary strings, and the universal prior is a probability distribution over the set of finite binary strings~~[~~citation needed]~~. ~~The prior is universal in the Turing-computability sense, i.e. no string has zero probability. It is not computable, but it can be approximated~~.		[https://en.wikipedia.org/wiki/Algorithmic_probability Source : Wikipedia ]

			[Source: http://www.lifl.fr/SMAC/publications/pdf/these-hector-zenil-chavez.pdf Source : lifl.fr]

	~~[https://en.wikipedia.org/wiki/Algorithmic_probability Source : Wikipedia ]~~

	[~~Source~~: ~~http~~:~~//www.lifl.fr/SMAC/publications/pdf/these-hector-zenil-chavez.pdf Source : lifl.fr~~]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
			[[Catégorie:Scotty2]]

Pitpitt le 14 mai 2020 à 14:15

2020-05-14T14:15:16Z

← Version précédente		Version du 14 mai 2020 à 10:15
Ligne 7 :		Ligne 7 :

	== Définition ==		== Définition ==
			En théorie de l'information algorithmique, la probabilité algorithmique, également connue sous le nom de probabilité de Solomonoff, est une méthode mathématique d'attribution d'une probabilité antérieure à une observation donnée. Il a été inventé par Ray Solomonoff dans les années 1960.

			Il est utilisé dans la théorie de l'inférence inductive et les analyses d'algorithmes. Dans sa théorie générale de l'inférence inductive, Solomonoff utilise la préalable obtenue dans la règle de Bayes pour la prédiction.

			Dans le formalisme mathématique utilisé, les observations ont la forme de chaînes binaires finies, et le prior universel est une distribution de probabilité sur l'ensemble de chaînes binaires finies [citation nécessaire]. La priorité est universelle au sens de calcul de Turing, c'est-à-dire qu'aucune chaîne n'a une probabilité nulle. Il n'est pas calculable, mais il peut être approximé.


	== Français ==		== Français ==
			''' probabilité algorithmique'''

	~~''' probabilité algorithmique'''~~

	~~Source: http://www.lifl.fr/SMAC/publications/pdf/these-hector-zenil-chavez.pdf~~

	== Anglais ==		== Anglais ==
Ligne 19 :		Ligne 23 :
	''' Algorithmic probability '''		''' Algorithmic probability '''

	In algorithmic information theory, algorithmic probability, also known as Solomonoff probability, is a mathematical method of assigning a prior probability to a given observation. It was invented by Ray Solomonoff in the 1960s.~~[1]~~ It is used in inductive inference theory and analyses of algorithms. In his general theory of inductive inference, Solomonoff uses the prior[clarification needed] obtained by this formula[which?], in Bayes' rule for prediction [example needed][further explanation needed].[2]		In algorithmic information theory, algorithmic probability, also known as Solomonoff probability, is a mathematical method of assigning a prior probability to a given observation. It was invented by Ray Solomonoff in the 1960s.

			It is used in inductive inference theory and analyses of algorithms. In his general theory of inductive inference, Solomonoff uses the prior[clarification needed] obtained by this formula[which?], in Bayes' rule for prediction [example needed][further explanation needed].

			In the mathematical formalism used, the observations have the form of finite binary strings, and the universal prior is a probability distribution over the set of finite binary strings[citation needed]. The prior is universal in the Turing-computability sense, i.e. no string has zero probability. It is not computable, but it can be approximated.


			[https://en.wikipedia.org/wiki/Algorithmic_probability Source : Wikipedia ]

	~~In the mathematical formalism used, the observations have the form of finite binary strings, and the universal prior is a probability distribution over the set of finite binary strings~~[~~citation needed]~~. ~~The prior is universal in the Turing~~-~~computability sense, i.e~~. ~~no string has zero probability~~. ~~It is not computable, but it can be approximated.[3~~]		[Source: http://www.lifl.fr/SMAC/publications/pdf/these-hector-zenil-chavez.pdf Source : lifl.fr]

Pitpitt le 18 septembre 2019 à 21:27

2019-09-18T21:27:11Z

← Version précédente		Version du 18 septembre 2019 à 17:27
Ligne 1 :		Ligne 1 :

	== en construction ==		== en construction ==
			[[Catégorie:Vocabulary]]
	[[~~Category~~:~~Vocabulary~~]]~~Vocabulary<br />~~		[[Catégorie:Intelligence artificielle‏‎]]
	~~<!-~~- Coulombe ~~-->Coulombe<br />~~		[[Catégorie:Wikipedia-IA]]
			[[Catégorie:Coulombe]]

	== Définition ==		== Définition ==




	== Français ==		== Français ==
Ligne 23 :		Ligne 22 :

	In the mathematical formalism used, the observations have the form of finite binary strings, and the universal prior is a probability distribution over the set of finite binary strings[citation needed]. The prior is universal in the Turing-computability sense, i.e. no string has zero probability. It is not computable, but it can be approximated.[3]		In the mathematical formalism used, the observations have the form of finite binary strings, and the universal prior is a probability distribution over the set of finite binary strings[citation needed]. The prior is universal in the Turing-computability sense, i.e. no string has zero probability. It is not computable, but it can be approximated.[3]


	~~<br/>~~
	~~<br/>~~
	~~<br/>~~
	~~<br/>~~
	~~<br/>~~
	~~<br/>~~
	~~<br/>~~

Pitpitt : Remplacement de texte — « Category:Coulombe » par «  »

2019-07-04T15:10:38Z

Remplacement de texte — « Category:Coulombe » par «  »

← Version précédente		Version du 4 juillet 2019 à 11:10
Ligne 3 :		Ligne 3 :

	[[Category:Vocabulary]]Vocabulary<br />		[[Category:Vocabulary]]Vocabulary<br />
	~~[[Category:~~Coulombe]]Coulombe<br />		<!-- Coulombe -->Coulombe<br />

	== Définition ==		== Définition ==

Probabilité algorithmique - Historique des versions

Pitpitt : Remplacement de texte : « ↵ » par « ==Sources== »

Imeziani le 7 janvier 2021 à 14:37

Imeziani : Annulation des modifications 33402 de Sihem (discussion)

Sihem le 3 décembre 2020 à 02:47

Pitpitt : Pitpitt a déplacé la page Algorithmic probability vers Probabilité algorithmique

Pitpitt le 7 juin 2020 à 01:14

Pitpitt le 7 juin 2020 à 01:14

Pitpitt le 14 mai 2020 à 14:15

Pitpitt le 18 septembre 2019 à 21:27

Pitpitt : Remplacement de texte — « Category:Coulombe » par « »

Pitpitt : Remplacement de texte : « ↵ » par «  ==Sources== »

Imeziani : Annulation des modifications 33402 de Sihem (discussion)

Pitpitt : Pitpitt a déplacé la page Algorithmic probability vers Probabilité algorithmique

Pitpitt : Remplacement de texte — « Category:Coulombe » par «  »