HyperAI
Command Palette
Search for a command to run...
Wiki
Machine Learning Glossary: Definitionen und Erklärungen wichtiger KI- und ML-Konzepte erkunden
Hierarchisches Clustering ist eine Sammlung von Algorithmen, die verschachtelte Cluster bilden, indem sie diese kontinuierlich von unten nach oben zusammenführen oder von oben nach unten aufteilen. Diese hierarchische Klasse wird durch ein „Dendrogramm“ dargestellt und der Agglomerative Clustering-Algorithmus ist einer davon. Beim hierarchischen Clustering wird versucht, Daten auf verschiedenen „Ebenen“ zu clustern […]
Die Spieltheorie, auch als Strategietheorie, Turniertheorie usw. bekannt, ist nicht nur ein neuer Zweig der modernen Mathematik, sondern auch eine wichtige Disziplin der Operationsforschung. Der Forschungsschwerpunkt liegt auf der Interaktion zwischen Anreizstrukturen, wobei das vorhergesagte und tatsächliche Verhalten von Einzelpersonen im Spiel berücksichtigt und entsprechende Optimierungsstrategien untersucht werden. Unter Spielverhalten versteht man Verhalten, das wettbewerbsorientierter oder gegnerischer Natur ist. Bei einem solchen Verhalten […]
Die Extreme Learning Machine ist ein neuronales Netzwerkmodell im Bereich des maschinellen Lernens, mit dem sich Feedforward-Neuronale Netzwerke mit einer einzelnen verborgenen Schicht lösen lassen. Anders als bei herkömmlichen Feedforward-Neuralnetzwerken (wie etwa BP-Neuralnetzwerken), bei denen eine große Anzahl von Trainingsparametern manuell eingestellt werden muss, muss der Extreme-Learning-Algorithmus nur die Netzwerkstruktur einstellen, ohne andere Parameter einzustellen, sodass er einfach und leicht zu […] ist.
Die Fehlerrate bezeichnet den Anteil der Vorhersagefehler in der Vorhersage. Die Berechnungsformel lautet im Allgemeinen: 1 – Genauigkeit (%) Das trainierte Modell kann im Allgemeinen verwendet werden, um die Fehlerrate eines Modells in einem Datensatz zu messen. Drei Zahlen sind wichtig: Bayes Optimal Error: Der ideale […]
Präzision ist ein Maß, das bei der Informationsbeschaffung und statistischen Klassifizierung verwendet wird. Bezieht sich auf das Verhältnis der extrahierten korrekten Proben zur Anzahl der extrahierten Proben.
Beim Repräsentationslernen, auch als Darstellungslernen bekannt, wird maschinelles Lernen eingesetzt, um automatisch den vektorisierten Ausdruck jeder Entität oder Beziehung zu erhalten, sodass beim Erstellen von Klassifikatoren oder anderen prädiktiven Variablen die Extraktion nützlicher Informationen einfacher ist.
Beim Resampling werden wiederholte Stichproben aus der ursprünglichen Datenstichprobe extrahiert. Dies ist eine nichtparametrische Methode der statistischen Inferenz. Das heißt, dass beim Resampling nicht die allgemeine Verteilung verwendet wird, um den Wert der Wahrscheinlichkeit p anzunähern.
Residual Mapping ist die entsprechende Beziehung, auf deren Grundlage das Residualnetzwerk erstellt wird. Die übliche Form ist H ( x ) = F ( x ) + x , wobei F ( x ) die Residuenfunktion ist.
Pooling, auch räumliches Pooling genannt, ist eine Methode zum Extrahieren von Merkmalen in Convolutional Neural Networks.
Computer Vision ist eine Wissenschaft, die sich damit beschäftigt, wie man Maschinen zum „Sehen“ bringt. Konkret geht es dabei um den Einsatz von Kameras und Computern als Ersatz für das menschliche Auge bei der Identifizierung, Verfolgung und Messung von Zielen sowie um den Einsatz von Computern zur Bildverarbeitung, sodass diese besser für die Beobachtung durch das menschliche Auge oder die Übertragung an Erkennungsgeräte geeignet sind. Definition Computer Vision ist die Verwendung von Computern und verwandten […]
Die Computerlinguistik ist eine Disziplin, die mathematische Modelle zur Analyse und Verarbeitung natürlicher Sprachen verwendet und Programme auf Computern einsetzt, um den Analyse- und Verarbeitungsprozess durchzuführen. Dadurch wird das Ziel erreicht, mithilfe von Maschinen einen Teil oder die gesamten Sprachfähigkeiten einer Person zu simulieren. Grundlegende Inhalte Die Computerlinguistik lässt sich je nach Art und Komplexität ihrer Arbeit in die folgenden drei Kategorien unterteilen: Automatische Bearbeitung: […]
Die Eigenzerlegung ist eine Methode zum Zerlegen einer Matrix in das Produkt von Matrizen, die durch Eigenwerte und Eigenvektoren dargestellt werden. Allerdings können nur diagonalisierbare Matrizen eine Eigenzerlegung durchführen. Der Eigenwert kann als Skalierungsverhältnis der Länge des Eigenvektors bei linearer Transformation betrachtet werden. Wenn der Eigenwert positiv ist, bedeutet dies, dass $latex v $ linear transformiert wurde […]
Definition von Backpropagation Backpropagation, kurz für „Error Backpropagation“, ist eine gängige Methode, die in Verbindung mit Optimierungsmethoden zum Trainieren künstlicher neuronaler Netzwerke verwendet wird. Diese Methode berechnet den Gradienten der Verlustfunktion für alle Gewichte im Netzwerk. Dieser Gradient wird an die Optimierungsmethode zurückgemeldet, um die Gewichte zu aktualisieren und so die Verlustfunktion zu minimieren. […]
Backpropagation durch die Zeit ist ein Backpropagation-Algorithmus, der auf rekurrierende neuronale Netzwerke (RNNs) angewendet wird. BPTT kann als der auf RNNs angewendete Standard-Backpropagation-Algorithmus betrachtet werden, wobei jeder Zeitschritt eine Berechnungsschicht darstellt und seine Parameter über alle Berechnungsschichten hinweg gemeinsam genutzt werden. Weil RNN bei allen Zeitschritten […]
Allgemeine Basislerner können aus logistischer Regression, Entscheidungsbäumen, SVM, neuronalen Netzwerken, Bayes-Klassifikatoren, K-Nearest-Neighbors usw. bestehen. Wenn die einzelnen Lerner aus demselben Lernalgorithmus aus den Trainingsdaten generiert werden, kann dies als homogenes Ensemble bezeichnet werden, und die einzelnen Lerner werden in diesem Fall auch als Basislerner bezeichnet. das Ensemble kann auch verschiedene […] enthalten.
Definition: Angenommen, x ist eine kontinuierliche Zufallsvariable, deren Verteilung vom Kategoriezustand abhängt und in der Form p(x|ω) ausgedrückt wird. Dies ist die Funktion der „klassenbedingten Wahrscheinlichkeit“, d. h. die Wahrscheinlichkeitsfunktion von x, wenn der Kategoriezustand ω ist. Klasse bedingte Wahrscheinlichkeitsfunktion $latex P\left(X | w_{i}\ri […]
CART ist eine Lernmethode für die bedingte Wahrscheinlichkeitsverteilung der Ausgabezufallsvariablen Y bei gegebener Eingabezufallsvariabler X. Definition CART Angenommen, der Entscheidungsbaum ist ein Binärbaum, die Werte der internen Knotenmerkmale sind „ja“ und „nein“, der linke Zweig ist der Zweig mit dem Wert „ja“ und der rechte Zweig ist der Zweig mit dem Wert „nein“. Das[…]
Bei einem Klassenungleichgewicht handelt es sich um ein Problem der binären Klassifizierung, bei dem die Bezeichnungen der beiden Klassen eine große Lücke in ihren Häufigkeiten aufweisen. Beispielsweise haben in einem Krankheitsdatensatz 0,0001 Proben positive Klassenbezeichnungen und 0,9999 Proben negative Klassenbezeichnungen, was ein Problem der Klassifizierungsungleichgewichte darstellt. aber in einem […]
Die geschlossene Form bezieht sich auf einige strenge Formeln, in denen jede unabhängige Variable verwendet werden kann, um die abhängige Variable zu finden, d. h. die Lösung des Problems. Dies ist eine Lösungsform, die grundlegende Funktionen wie Brüche, trigonometrische Funktionen, Exponentialfunktionen, Logarithmen und sogar unendliche Reihen umfasst. Die Methode, die zum Erhalten der relevanten Lösung verwendet wird, wird auch als analytische Methode bezeichnet und ist eine gängige Kalkulationsmethode […]
Die Clusteranalyse ist eine Technik zur statistischen Datenanalyse, die in vielen Bereichen weit verbreitet ist, darunter maschinelles Lernen, Data Mining, Mustererkennung, Bildanalyse und Bioinformatik. Beim Clustering werden ähnliche Objekte durch statische Klassifizierung in verschiedene Gruppen oder mehrere Teilmengen unterteilt, sodass die Mitgliedsobjekte in derselben Teilmenge [...]
Clustering Ensemble ist ein Algorithmus zur Verbesserung der Genauigkeit, Stabilität und Robustheit von Clustering-Ergebnissen. Durch die Integration mehrerer Basisclusterergebnisse kann ein besseres Ergebnis erzielt werden. Die Grundidee dieser Methode besteht darin, den ursprünglichen Datensatz mit mehreren unabhängigen Basisclustern zu clustern und ihn dann mithilfe einer Ensemble-Methode zu verarbeiten und das Beste zu erhalten […]
Bestandteil des Decoders in einer digitalen Fernsteuerung. Es besteht aus einem bistabilen Auslöser und einem Codierschalter. Jedes bistabile Element hat zwei Zustände, „1“ und „2“. Wenn n bistabile Schaltungen kaskadiert werden, gibt es 2n mögliche Kombinationen. Jede Kombination ist eine Binärcodegruppe und die Codierschalter sind entsprechend der Binärcodegruppe verbunden. Der Zweck der Kodierungsmatrix besteht darin, die Anweisungen […]
Eine der Konferenzen zur Theorie des computergestützten Lernens, die von der ACM gesponsert und jährlich abgehalten wird. Die Computational Learning Theory kann als Schnittstelle zwischen theoretischer Informatik und maschinellem Lernen betrachtet werden und gilt daher allgemein als eine Konferenz mit Bezug zur Informatik. Offizielle Website: https://learningtheory.org/colt2019 […]
Competitive Learning ist eine Lernmethode künstlicher neuronaler Netze. Wenn die Netzwerkstruktur festgelegt ist, beschränkt sich der Lernprozess auf die Änderung der Verbindungsrechte, wobei sich kompetitives Lernen auf den Wettbewerb aller Einheiten in der Netzwerkeinheitengruppe um das Recht bezieht, auf externe Reizmuster zu reagieren. Die Anschlussrechte der Einheit, die den Wettbewerb gewinnt, ändern sich in eine für den Wettbewerb dieses Stimulationsmusters günstigere Richtung.
Hierarchisches Clustering ist eine Sammlung von Algorithmen, die verschachtelte Cluster bilden, indem sie diese kontinuierlich von unten nach oben zusammenführen oder von oben nach unten aufteilen. Diese hierarchische Klasse wird durch ein „Dendrogramm“ dargestellt und der Agglomerative Clustering-Algorithmus ist einer davon. Beim hierarchischen Clustering wird versucht, Daten auf verschiedenen „Ebenen“ zu clustern […]
Die Spieltheorie, auch als Strategietheorie, Turniertheorie usw. bekannt, ist nicht nur ein neuer Zweig der modernen Mathematik, sondern auch eine wichtige Disziplin der Operationsforschung. Der Forschungsschwerpunkt liegt auf der Interaktion zwischen Anreizstrukturen, wobei das vorhergesagte und tatsächliche Verhalten von Einzelpersonen im Spiel berücksichtigt und entsprechende Optimierungsstrategien untersucht werden. Unter Spielverhalten versteht man Verhalten, das wettbewerbsorientierter oder gegnerischer Natur ist. Bei einem solchen Verhalten […]
Die Extreme Learning Machine ist ein neuronales Netzwerkmodell im Bereich des maschinellen Lernens, mit dem sich Feedforward-Neuronale Netzwerke mit einer einzelnen verborgenen Schicht lösen lassen. Anders als bei herkömmlichen Feedforward-Neuralnetzwerken (wie etwa BP-Neuralnetzwerken), bei denen eine große Anzahl von Trainingsparametern manuell eingestellt werden muss, muss der Extreme-Learning-Algorithmus nur die Netzwerkstruktur einstellen, ohne andere Parameter einzustellen, sodass er einfach und leicht zu […] ist.
Die Fehlerrate bezeichnet den Anteil der Vorhersagefehler in der Vorhersage. Die Berechnungsformel lautet im Allgemeinen: 1 – Genauigkeit (%) Das trainierte Modell kann im Allgemeinen verwendet werden, um die Fehlerrate eines Modells in einem Datensatz zu messen. Drei Zahlen sind wichtig: Bayes Optimal Error: Der ideale […]
Präzision ist ein Maß, das bei der Informationsbeschaffung und statistischen Klassifizierung verwendet wird. Bezieht sich auf das Verhältnis der extrahierten korrekten Proben zur Anzahl der extrahierten Proben.
Beim Repräsentationslernen, auch als Darstellungslernen bekannt, wird maschinelles Lernen eingesetzt, um automatisch den vektorisierten Ausdruck jeder Entität oder Beziehung zu erhalten, sodass beim Erstellen von Klassifikatoren oder anderen prädiktiven Variablen die Extraktion nützlicher Informationen einfacher ist.
Beim Resampling werden wiederholte Stichproben aus der ursprünglichen Datenstichprobe extrahiert. Dies ist eine nichtparametrische Methode der statistischen Inferenz. Das heißt, dass beim Resampling nicht die allgemeine Verteilung verwendet wird, um den Wert der Wahrscheinlichkeit p anzunähern.
Residual Mapping ist die entsprechende Beziehung, auf deren Grundlage das Residualnetzwerk erstellt wird. Die übliche Form ist H ( x ) = F ( x ) + x , wobei F ( x ) die Residuenfunktion ist.
Pooling, auch räumliches Pooling genannt, ist eine Methode zum Extrahieren von Merkmalen in Convolutional Neural Networks.
Computer Vision ist eine Wissenschaft, die sich damit beschäftigt, wie man Maschinen zum „Sehen“ bringt. Konkret geht es dabei um den Einsatz von Kameras und Computern als Ersatz für das menschliche Auge bei der Identifizierung, Verfolgung und Messung von Zielen sowie um den Einsatz von Computern zur Bildverarbeitung, sodass diese besser für die Beobachtung durch das menschliche Auge oder die Übertragung an Erkennungsgeräte geeignet sind. Definition Computer Vision ist die Verwendung von Computern und verwandten […]
Die Computerlinguistik ist eine Disziplin, die mathematische Modelle zur Analyse und Verarbeitung natürlicher Sprachen verwendet und Programme auf Computern einsetzt, um den Analyse- und Verarbeitungsprozess durchzuführen. Dadurch wird das Ziel erreicht, mithilfe von Maschinen einen Teil oder die gesamten Sprachfähigkeiten einer Person zu simulieren. Grundlegende Inhalte Die Computerlinguistik lässt sich je nach Art und Komplexität ihrer Arbeit in die folgenden drei Kategorien unterteilen: Automatische Bearbeitung: […]
Die Eigenzerlegung ist eine Methode zum Zerlegen einer Matrix in das Produkt von Matrizen, die durch Eigenwerte und Eigenvektoren dargestellt werden. Allerdings können nur diagonalisierbare Matrizen eine Eigenzerlegung durchführen. Der Eigenwert kann als Skalierungsverhältnis der Länge des Eigenvektors bei linearer Transformation betrachtet werden. Wenn der Eigenwert positiv ist, bedeutet dies, dass $latex v $ linear transformiert wurde […]
Definition von Backpropagation Backpropagation, kurz für „Error Backpropagation“, ist eine gängige Methode, die in Verbindung mit Optimierungsmethoden zum Trainieren künstlicher neuronaler Netzwerke verwendet wird. Diese Methode berechnet den Gradienten der Verlustfunktion für alle Gewichte im Netzwerk. Dieser Gradient wird an die Optimierungsmethode zurückgemeldet, um die Gewichte zu aktualisieren und so die Verlustfunktion zu minimieren. […]
Backpropagation durch die Zeit ist ein Backpropagation-Algorithmus, der auf rekurrierende neuronale Netzwerke (RNNs) angewendet wird. BPTT kann als der auf RNNs angewendete Standard-Backpropagation-Algorithmus betrachtet werden, wobei jeder Zeitschritt eine Berechnungsschicht darstellt und seine Parameter über alle Berechnungsschichten hinweg gemeinsam genutzt werden. Weil RNN bei allen Zeitschritten […]
Allgemeine Basislerner können aus logistischer Regression, Entscheidungsbäumen, SVM, neuronalen Netzwerken, Bayes-Klassifikatoren, K-Nearest-Neighbors usw. bestehen. Wenn die einzelnen Lerner aus demselben Lernalgorithmus aus den Trainingsdaten generiert werden, kann dies als homogenes Ensemble bezeichnet werden, und die einzelnen Lerner werden in diesem Fall auch als Basislerner bezeichnet. das Ensemble kann auch verschiedene […] enthalten.
Definition: Angenommen, x ist eine kontinuierliche Zufallsvariable, deren Verteilung vom Kategoriezustand abhängt und in der Form p(x|ω) ausgedrückt wird. Dies ist die Funktion der „klassenbedingten Wahrscheinlichkeit“, d. h. die Wahrscheinlichkeitsfunktion von x, wenn der Kategoriezustand ω ist. Klasse bedingte Wahrscheinlichkeitsfunktion $latex P\left(X | w_{i}\ri […]
CART ist eine Lernmethode für die bedingte Wahrscheinlichkeitsverteilung der Ausgabezufallsvariablen Y bei gegebener Eingabezufallsvariabler X. Definition CART Angenommen, der Entscheidungsbaum ist ein Binärbaum, die Werte der internen Knotenmerkmale sind „ja“ und „nein“, der linke Zweig ist der Zweig mit dem Wert „ja“ und der rechte Zweig ist der Zweig mit dem Wert „nein“. Das[…]
Bei einem Klassenungleichgewicht handelt es sich um ein Problem der binären Klassifizierung, bei dem die Bezeichnungen der beiden Klassen eine große Lücke in ihren Häufigkeiten aufweisen. Beispielsweise haben in einem Krankheitsdatensatz 0,0001 Proben positive Klassenbezeichnungen und 0,9999 Proben negative Klassenbezeichnungen, was ein Problem der Klassifizierungsungleichgewichte darstellt. aber in einem […]
Die geschlossene Form bezieht sich auf einige strenge Formeln, in denen jede unabhängige Variable verwendet werden kann, um die abhängige Variable zu finden, d. h. die Lösung des Problems. Dies ist eine Lösungsform, die grundlegende Funktionen wie Brüche, trigonometrische Funktionen, Exponentialfunktionen, Logarithmen und sogar unendliche Reihen umfasst. Die Methode, die zum Erhalten der relevanten Lösung verwendet wird, wird auch als analytische Methode bezeichnet und ist eine gängige Kalkulationsmethode […]
Die Clusteranalyse ist eine Technik zur statistischen Datenanalyse, die in vielen Bereichen weit verbreitet ist, darunter maschinelles Lernen, Data Mining, Mustererkennung, Bildanalyse und Bioinformatik. Beim Clustering werden ähnliche Objekte durch statische Klassifizierung in verschiedene Gruppen oder mehrere Teilmengen unterteilt, sodass die Mitgliedsobjekte in derselben Teilmenge [...]
Clustering Ensemble ist ein Algorithmus zur Verbesserung der Genauigkeit, Stabilität und Robustheit von Clustering-Ergebnissen. Durch die Integration mehrerer Basisclusterergebnisse kann ein besseres Ergebnis erzielt werden. Die Grundidee dieser Methode besteht darin, den ursprünglichen Datensatz mit mehreren unabhängigen Basisclustern zu clustern und ihn dann mithilfe einer Ensemble-Methode zu verarbeiten und das Beste zu erhalten […]
Bestandteil des Decoders in einer digitalen Fernsteuerung. Es besteht aus einem bistabilen Auslöser und einem Codierschalter. Jedes bistabile Element hat zwei Zustände, „1“ und „2“. Wenn n bistabile Schaltungen kaskadiert werden, gibt es 2n mögliche Kombinationen. Jede Kombination ist eine Binärcodegruppe und die Codierschalter sind entsprechend der Binärcodegruppe verbunden. Der Zweck der Kodierungsmatrix besteht darin, die Anweisungen […]
Eine der Konferenzen zur Theorie des computergestützten Lernens, die von der ACM gesponsert und jährlich abgehalten wird. Die Computational Learning Theory kann als Schnittstelle zwischen theoretischer Informatik und maschinellem Lernen betrachtet werden und gilt daher allgemein als eine Konferenz mit Bezug zur Informatik. Offizielle Website: https://learningtheory.org/colt2019 […]
Competitive Learning ist eine Lernmethode künstlicher neuronaler Netze. Wenn die Netzwerkstruktur festgelegt ist, beschränkt sich der Lernprozess auf die Änderung der Verbindungsrechte, wobei sich kompetitives Lernen auf den Wettbewerb aller Einheiten in der Netzwerkeinheitengruppe um das Recht bezieht, auf externe Reizmuster zu reagieren. Die Anschlussrechte der Einheit, die den Wettbewerb gewinnt, ändern sich in eine für den Wettbewerb dieses Stimulationsmusters günstigere Richtung.