Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
Das Problem des verschwindenden Gradienten ist ein schwieriges Problem, das beim Training künstlicher neuronaler Netzwerke mittels Gradientenabstieg und Backpropagation auftritt.
T-Distributed Stochastic Neighbor Embedding (t-SNE) ist eine Methode des maschinellen Lernens zur Dimensionsreduzierung.
Treebank ist ein tief verarbeitetes Korpus, das Wortsegmentierung, Wortartmarkierung und Markierung syntaktischer Strukturbeziehungen in Sätzen durchführt.
Die Turingmaschine, auch als deterministische Turingmaschine bekannt, ist ein abstraktes Computermodell, das 1936 von Alan Turing vorgeschlagen wurde. Ihre abstraktere Bedeutung ist eine mathematische Logikmaschine, die als die ultimative leistungsfähige Logikmaschine angesehen werden kann, die jedem endlichen logischen mathematischen Prozess entspricht.
Spezialisierung ist ein Prozess vom Allgemeinen zum Speziellen
Ein Synonymsatz ist eine Sammlung von Wörtern mit derselben Bedeutung.
Der Zeitschritt definiert, wie klein die Zeitintervalle zwischen den Physiksimulationen sind. In einer Game-Engine spiegelt dies wider, wie oft eine Funktion ausgeführt werden muss.
Unter Parameter-Tuning versteht man das Anpassen von Parametern, um bessere Ergebnisse zu erzielen.
Numerische Attribute sind ein Attributtyp, der Daten quantitativ beschreibt, was bedeutet, dass die Daten eine messbare Menge darstellen.
Unter allgemeiner künstlicher Intelligenz versteht man eine intelligente Entität mit Fähigkeiten, die denen des Menschen ebenbürtig oder sogar überlegen sind. Auch als starke künstliche Intelligenz bekannt, kann sie alle intelligenten Verhaltensweisen aufweisen, die auch normale Menschen haben. Um es vom KI-Begriff in der traditionellen künstlichen Intelligenz oder Mainstream-künstlichen Intelligenz zu unterscheiden, wird ein gemeinsames Präfix hinzugefügt.
Attributraum: Der durch Attribute aufgespannte Raum, auch „Beispielraum“ oder „Eingaberaum“ genannt. Merkmalsraum: Der Attributraum, der durch Ausschluss linear korrelierter Attribute und Attribute, die für die Modellkonstruktion nicht von Vorteil sind, gebildet wird, wird als Merkmalsraum bezeichnet. Verwandte Konzepte Datensatz […]
Der Naive-Bayes-Klassifikator übernimmt die „Annahme der bedingten Unabhängigkeit von Attributen“: Bei bekannten Kategorien wird angenommen, dass alle Attribute voneinander unabhängig sind. Verbessertes Naive Bayes: Um zu verhindern, dass die von anderen Attributen getragenen Informationen durch Attributwerte „gelöscht“ werden, die nie im Trainingssatz erschienen sind, wird bei der Schätzung von Wahrscheinlichkeitswerten normalerweise eine „Glättung“ durchgeführt und häufig eine „Laplace-Korrektur“ verwendet; […]
Generative Adversarial Networks sind eine Methode des unüberwachten Lernens, die dadurch implementiert wird, dass zwei neuronale Netzwerke miteinander konkurrieren. Diese Methode wurde 2014 von Ian Goodfellow vorgeschlagen. Generative Adversarial Networks umfassen generative Netzwerke und diskriminative Netzwerke. Das generative Netzwerk nimmt Zufallsstichproben im latenten Raum als Eingabe und die Ausgabe muss das Training imitieren […]
Beim maschinellen Lernen können generative Modelle verwendet werden, um Daten direkt zu modellieren oder um bedingte Wahrscheinlichkeitsverteilungen zwischen Variablen zu ermitteln. Die bedingten Wahrscheinlichkeitsverteilungen können auf generativen Modellen des Bayes-Theorems basieren. Generative Modelle eignen sich für unbeaufsichtigte Aufgaben wie Klassifizierung und Clustering. Zu den typischen generativen Modellen gehören: Gaußsche Mischmodelle und andere Mischungen […]
Die Graphentheorie ist ein Zweig der kombinatorischen Mathematik. Sein Hauptforschungsobjekt sind Graphen. Mit Graph ist hier eine Figur gemeint, die aus mehreren gegebenen Knoten und Kanten besteht, die die beiden Knoten verbinden. Es wird häufig verwendet, um besondere Beziehungen zwischen Dingen zu beschreiben, wobei Eckpunkte Dinge darstellen und Kanten die Verbindungen zwischen ihnen darstellen. Die Graphentheorie entstand aus dem Problem der sieben Brücken von Königsberg, das 1736 von Euler gelöst wurde […]
Das Problem der Gradientenexplosion tritt normalerweise in tiefen Netzwerken auf, wenn der Gewichtsinitialisierungswert zu groß ist, und wird im Allgemeinen deutlicher, wenn die Anzahl der Netzwerkschichten zunimmt. Wenn das Ergebnis durch die Ableitung der Aktivierungsfunktion größer als 1 ist, nimmt mit zunehmender Anzahl von Schichten die endgültige Gradientenaktualisierung exponentiell zu, d. h. es kommt zu einer Gradientenexplosion. wenn das Ergebnis kleiner als 1 ist, dann ist die Anzahl der Schichten […]
Eigenzerlegung ist eine Methode zur Darstellung des Produkts von Matrizen durch Zerlegung der Matrix in Eigenwerte und Eigenvektoren. Allerdings können nur diagonalisierbare Matrizen eigenzerlegt werden. Die Matrizenmultiplikation entspricht einer Transformation, d. h., sie besteht darin, einen beliebigen Vektor in einen neuen Vektor anderer Richtung und Länge umzuwandeln. Bei diesem Vorgang wird der ursprüngliche Vektor gedreht und erweitert.
Ein Algorithmus ist eine effiziente Möglichkeit, eine Liste endlicher Länge darzustellen. In der Mathematik und Informatik kann ein Algorithmus als jede wohldefinierte Abfolge bestimmter Rechenschritte betrachtet werden.
Das harmonische Mittel ist eine Methode zur Berechnung des Durchschnitts, die in zwei Formen unterteilt werden kann: einfach und gewichtet. Der gewichtete harmonische Mittelwert ist eine Variation des gewichteten arithmetischen Mittelwerts. In den meisten Fällen kennen wir nur die Summe der Werte eines bestimmten Zeichens in jeder Gruppe, m, aber es fehlen Informationen über die Gesamtzahl der Einheiten f. Daher können wir die Methode des gewichteten arithmetischen Mittels nicht direkt zur Berechnung verwenden, und […]
Versuch und Irrtum ist eine Methode zur Lösung von Problemen durch wiederholte Versuche.
Schlupfvariablen sind Hilfsvariablen, die bei der Anwendung der Soft-Margin-Methode zur Klassifizierung hinzugefügt werden. Es wird eingeführt, um die Auswirkungen von Ausreißern auf die Klassifizierung zu lösen.
Der stochastische Gradientenabstieg (SGD) ist ein iterativer Lösungsansatz des Gradientenabstiegsalgorithmus.
Eine Ersatzfunktion ist eine Funktion, die verwendet wird, wenn die Zielfunktion nicht verwendet werden kann oder eine schlechte Leistung erbringt.
Die Verlustfunktion ist eine Metrik, die zum Messen und Vorhersagen der Qualität eines Modells verwendet wird. Es spiegelt die Lücke zwischen dem vom Modell vorhergesagten Wert und dem wahren Wert wider. Es ist der Kernbestandteil der empirischen Risikofunktion und auch eine Komponente der strukturellen Risikofunktion. Gängige Verlustfunktionen Logarithmische Verlustfunktion Quadratische Verlustfunktion Exponentielle Verlustfunktion Scharnierverlustfunktion