Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
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.
Music Information Retrieval (MIR) ist ein interdisziplinäres Feld, das sich mit der Extraktion von Informationen aus Musik und deren Analyse beschäftigt und darauf abzielt, die Prozesse, Systeme und Wissensrepräsentationen zu untersuchen, die zum Abrufen von Informationen aus Musik erforderlich sind.
Reinforcement Learning mit KI-Feedback (RLAIF) ist ein hybrider Lernansatz, der es dem lernenden Agenten ermöglicht, sein Verhalten nicht nur auf der Grundlage von Belohnungen aus der Umgebung, sondern auch auf der Grundlage von Erkenntnissen aus anderen KI-Systemen zu verfeinern und so den Lernprozess zu bereichern.
Bei der Mustererkennung werden Algorithmen des maschinellen Lernens verwendet, um Muster und Regelmäßigkeiten in Daten automatisch zu erkennen. Diese Daten können alles Mögliche sein, von Texten, Bildern bis hin zu Tönen oder anderen definierbaren Eigenschaften.
Aktives Lernen ist ein Sonderfall des maschinellen Lernens, bei dem der Lernalgorithmus den Benutzer (oder eine andere Informationsquelle) interaktiv abfragen kann, um neue Datenpunkte mit der gewünschten Ausgabe zu kennzeichnen.