Beim maschinellen Lernen sind Hyperparameter Parameter, die im Voraus vorgegeben werden, um den Lernprozess zu steuern. Die Werte anderer Parameter (z. B. Knotengewichte) werden durch Training ermittelt.

Im Hinblick auf Computer Vision können Diffusionsmodelle auf eine Vielzahl von Aufgaben angewendet werden, darunter Bildentrauschung, Inpainting, Superauflösung und Bildgenerierung.

Im Bereich Deep Learning bezieht sich Ground Truth (im Englischen allgemein verwendet, bedeutet es „Grundwahrheit“ oder im Chinesischen „Benchmark-Wahrheit“, einfach verstanden als der wahre Wert) auf die genauen Bezeichnungen oder Daten, die zum Trainieren und Bewerten von Modellen verwendet werden.

Unter Bildannotation versteht man das Markieren oder Kommentieren von Bildern mit Metadaten oder zusätzlichen Informationen zum Bildinhalt.

Human Pose Estimation (HPE) ist eine Aufgabe der Computervision, bei der es darum geht, die Positionen verschiedener Körperteile in Bildern oder Videos von Personen zu erkennen und abzuschätzen.

Eine Epoche im maschinellen Lernen bezieht sich auf den Prozess, bei dem der gesamte Trainingsdatensatz einmal durch das neuronale Netzwerk geleitet wird (d. h. eine Vorwärts- und eine Rückwärtspropagation durchgeführt wird). Wenn der Datensatz beispielsweise aus 1000 Stichproben besteht und zum Trainieren des Modells eine Batchgröße von 100 verwendet wird, 1 […]

Die Falsch-Positiv-Rate ist ein Maß dafür, wie genau ein maschinelles Lernmodell positive Ergebnisse vorhersagt. Dies ist der Anteil der Fälle, in denen das Modell ein positives Ergebnis vorhergesagt hat, das tatsächliche Ergebnis jedoch negativ war.

Eine Klassengrenze ist die Trennlinie zwischen zwei benachbarten Klassen oder Kategorien in einem Datensatz.

Unter Konzeptdrift versteht man das Phänomen, dass sich die statistischen Eigenschaften eines Datenstroms im Laufe der Zeit ändern und das Lernmodell dadurch nicht mehr mit der aktuellen Datenverteilung übereinstimmt.

Proximal Policy Optimization (PPO) ist ein Algorithmus aus dem Bereich des bestärkenden Lernens, der dazu dient, die Entscheidungsfunktionen von Computeragenten für die Bewältigung schwieriger Aufgaben zu trainieren.

Die Confusion Matrix ist ein im maschinellen Lernen verwendetes Tool zur Leistungsbewertung, das die Leistung eines Klassifizierungsmodells zusammenfasst, indem es die wahren positiven, wahren negativen, falschen positiven und falschen negativen Vorhersagen auflistet.

Kalibrierungskurven sind ein nützliches Werkzeug im maschinellen Lernen und bei der prädiktiven Modellierung, um die Zuverlässigkeit der vorhergesagten Wahrscheinlichkeiten eines Klassifizierungsmodells zu verstehen und zu optimieren.

Die Kantenerkennung ist ein grundlegendes Problem in der Bildverarbeitung und der Computervision. Der Zweck der Kantenerkennung besteht darin, Punkte in digitalen Bildern zu identifizieren, an denen sich die Helligkeit erheblich ändert.

In der Bildverarbeitung und Computervision wird der Laplace-Operator für verschiedene Aufgaben wie Blob-Erkennung und Kantenerkennung verwendet.

Differenzierbare Programmierung ist ein Programmierparadigma, bei dem digitale Computerprogramme durch automatische Differenzierung vollständig differenzierbar gemacht werden können.

Bei der Stimmungsanalyse auf Aspektebene handelt es sich um eine Aufgabe zum Erkennen der Stimmung eines bestimmten Aspekts in einem Text.

Halluzination bezeichnet das Phänomen, dass modellgenerierte Inhalte nicht mit realen Fakten oder Benutzereingaben übereinstimmen.

Foundation Agent ist ein allgemeines Agentenmodell, das sowohl in der virtuellen als auch in der realen Welt verallgemeinert werden kann.

KV Cache ist eine wichtige technische Technologie zur Optimierung der Transformer-Argumentationsleistung. Diese Technologie kann die Argumentationsleistung verbessern, indem sie Platz gegen Zeit tauscht, ohne die Berechnungsgenauigkeit zu beeinträchtigen.

Rotational Position Encoding (RoPE) ist eine Positionscodierungsmethode, die die Abhängigkeit relativer Positionsinformationen in die Selbstaufmerksamkeit integrieren und die Leistung der Transformatorarchitektur verbessern kann.

Ziel der virtuellen Screening-Technologie ist es, mithilfe rechnergestützter Methoden in einer großen Bibliothek von Verbindungen nach potenziellen Arzneimittelmolekülen zu suchen, die mit bestimmten Proteintaschen interagieren.

Gleitkommaoperationen pro Sekunde (FLOPS) ist ein Maß für die Computerleistung, das auf der Anzahl der Gleitkomma-Arithmetikberechnungen basiert, die ein Prozessor in einer Sekunde durchführen kann.

In der künstlichen Intelligenz wird der Vorgang des Hinzufügens von Beschriftungen oder Tags zu Datensätzen zum Kategorisieren und Klassifizieren der Daten als Datenannotation bezeichnet.

Beim maschinellen Lernen ist Boosting ein integrierter Metaalgorithmus, der zur Reduzierung von Verzerrungen und Varianzen beim überwachten Lernen verwendet wird, sowie eine Familie von Algorithmen für maschinelles Lernen, die schwache Lerner in starke Lerner umwandeln.

Beim maschinellen Lernen sind Hyperparameter Parameter, die im Voraus vorgegeben werden, um den Lernprozess zu steuern. Die Werte anderer Parameter (z. B. Knotengewichte) werden durch Training ermittelt.

Im Hinblick auf Computer Vision können Diffusionsmodelle auf eine Vielzahl von Aufgaben angewendet werden, darunter Bildentrauschung, Inpainting, Superauflösung und Bildgenerierung.

Im Bereich Deep Learning bezieht sich Ground Truth (im Englischen allgemein verwendet, bedeutet es „Grundwahrheit“ oder im Chinesischen „Benchmark-Wahrheit“, einfach verstanden als der wahre Wert) auf die genauen Bezeichnungen oder Daten, die zum Trainieren und Bewerten von Modellen verwendet werden.

Unter Bildannotation versteht man das Markieren oder Kommentieren von Bildern mit Metadaten oder zusätzlichen Informationen zum Bildinhalt.

Human Pose Estimation (HPE) ist eine Aufgabe der Computervision, bei der es darum geht, die Positionen verschiedener Körperteile in Bildern oder Videos von Personen zu erkennen und abzuschätzen.

Eine Epoche im maschinellen Lernen bezieht sich auf den Prozess, bei dem der gesamte Trainingsdatensatz einmal durch das neuronale Netzwerk geleitet wird (d. h. eine Vorwärts- und eine Rückwärtspropagation durchgeführt wird). Wenn der Datensatz beispielsweise aus 1000 Stichproben besteht und zum Trainieren des Modells eine Batchgröße von 100 verwendet wird, 1 […]

Die Falsch-Positiv-Rate ist ein Maß dafür, wie genau ein maschinelles Lernmodell positive Ergebnisse vorhersagt. Dies ist der Anteil der Fälle, in denen das Modell ein positives Ergebnis vorhergesagt hat, das tatsächliche Ergebnis jedoch negativ war.

Eine Klassengrenze ist die Trennlinie zwischen zwei benachbarten Klassen oder Kategorien in einem Datensatz.

Unter Konzeptdrift versteht man das Phänomen, dass sich die statistischen Eigenschaften eines Datenstroms im Laufe der Zeit ändern und das Lernmodell dadurch nicht mehr mit der aktuellen Datenverteilung übereinstimmt.

Proximal Policy Optimization (PPO) ist ein Algorithmus aus dem Bereich des bestärkenden Lernens, der dazu dient, die Entscheidungsfunktionen von Computeragenten für die Bewältigung schwieriger Aufgaben zu trainieren.

Die Confusion Matrix ist ein im maschinellen Lernen verwendetes Tool zur Leistungsbewertung, das die Leistung eines Klassifizierungsmodells zusammenfasst, indem es die wahren positiven, wahren negativen, falschen positiven und falschen negativen Vorhersagen auflistet.

Kalibrierungskurven sind ein nützliches Werkzeug im maschinellen Lernen und bei der prädiktiven Modellierung, um die Zuverlässigkeit der vorhergesagten Wahrscheinlichkeiten eines Klassifizierungsmodells zu verstehen und zu optimieren.

Die Kantenerkennung ist ein grundlegendes Problem in der Bildverarbeitung und der Computervision. Der Zweck der Kantenerkennung besteht darin, Punkte in digitalen Bildern zu identifizieren, an denen sich die Helligkeit erheblich ändert.

In der Bildverarbeitung und Computervision wird der Laplace-Operator für verschiedene Aufgaben wie Blob-Erkennung und Kantenerkennung verwendet.

Differenzierbare Programmierung ist ein Programmierparadigma, bei dem digitale Computerprogramme durch automatische Differenzierung vollständig differenzierbar gemacht werden können.

Bei der Stimmungsanalyse auf Aspektebene handelt es sich um eine Aufgabe zum Erkennen der Stimmung eines bestimmten Aspekts in einem Text.

Halluzination bezeichnet das Phänomen, dass modellgenerierte Inhalte nicht mit realen Fakten oder Benutzereingaben übereinstimmen.

Foundation Agent ist ein allgemeines Agentenmodell, das sowohl in der virtuellen als auch in der realen Welt verallgemeinert werden kann.

KV Cache ist eine wichtige technische Technologie zur Optimierung der Transformer-Argumentationsleistung. Diese Technologie kann die Argumentationsleistung verbessern, indem sie Platz gegen Zeit tauscht, ohne die Berechnungsgenauigkeit zu beeinträchtigen.

Rotational Position Encoding (RoPE) ist eine Positionscodierungsmethode, die die Abhängigkeit relativer Positionsinformationen in die Selbstaufmerksamkeit integrieren und die Leistung der Transformatorarchitektur verbessern kann.

Ziel der virtuellen Screening-Technologie ist es, mithilfe rechnergestützter Methoden in einer großen Bibliothek von Verbindungen nach potenziellen Arzneimittelmolekülen zu suchen, die mit bestimmten Proteintaschen interagieren.

Gleitkommaoperationen pro Sekunde (FLOPS) ist ein Maß für die Computerleistung, das auf der Anzahl der Gleitkomma-Arithmetikberechnungen basiert, die ein Prozessor in einer Sekunde durchführen kann.

In der künstlichen Intelligenz wird der Vorgang des Hinzufügens von Beschriftungen oder Tags zu Datensätzen zum Kategorisieren und Klassifizieren der Daten als Datenannotation bezeichnet.

Beim maschinellen Lernen ist Boosting ein integrierter Metaalgorithmus, der zur Reduzierung von Verzerrungen und Varianzen beim überwachten Lernen verwendet wird, sowie eine Familie von Algorithmen für maschinelles Lernen, die schwache Lerner in starke Lerner umwandeln.