Découverte de Nouvelle Classe

Découverte de Nouvelles Classes (DNC) est une technique d'apprentissage automatique visant à identifier de nouvelles catégories dans des données non étiquetées en utilisant les connaissances préalables des catégories connues. Cette tâche divise les données en deux ensembles : un ensemble de catégories connues étiquetées et un ensemble de catégories inconnues non étiquetées. L'objectif principal de la DNC est d'améliorer la capacité du modèle à découvrir de nouvelles catégories, ce qui permet d'augmenter les performances de généralisation et d'adaptabilité du système. Elle présente une valeur d'application importante, notamment dans les tâches d'apprentissage continu et de classification dans des environnements dynamiques.