Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
Bei der Merkmalsauswahl handelt es sich um den Prozess der Auswahl von Merkmalsteilmengen. Es wird normalerweise zum Erstellen von Modellen verwendet. Seine Vorteile sind folgende: Vereinfachung des Modells; Verkürzen Sie die Trainingszeit; Verbessern Sie die Vielseitigkeit und reduzieren Sie Überanpassung. Der Merkmalsauswahlalgorithmus kann als Kombination aus Suchtechnologie und Bewertungsindex betrachtet werden. Ersteres liefert Kandidaten für neue Feature-Teilmengen und Letzteres wird verwendet, um verschiedene Feature-Teilmengen auszuwählen.
Die Zielfunktion bezeichnet die Form des durch die Designvariablen ausgedrückten angestrebten Ziels und ist eine Funktion der Designvariablen.
Reinforcement Learning (RL) ist ein wichtiger Zweig des maschinellen Lernens und ein Produkt der Schnittstelle mehrerer Disziplinen und Bereiche. Sein Wesen besteht darin, das Entscheidungsproblem zu lösen, d. h. Entscheidungen automatisch und kontinuierlich zu treffen.
Bewertungsfunktionen sind die für das ausgewählte Modell verfügbaren „Bewertungstypen“. Beispielsweise der vorhergesagte Wert eines Ziels, die Wahrscheinlichkeit eines vorhergesagten Werts oder die Wahrscheinlichkeit eines ausgewählten Zielwerts.
Die Singulärwertzerlegung (SVD) ist eine wichtige Methode zur Matrixzerlegung. Die Grundlage der Eigenvektorzerlegung symmetrischer Arrays ist die Spektralanalyse, und die Singulärwertzerlegung ist die Verallgemeinerung der Theorie der Spektralanalyse auf beliebige Matrizen.
Soft Voting wird auch als gewichtete Durchschnittswahrscheinlichkeitsabstimmung bezeichnet. Es verwendet die Ausgabeklassenwahrscheinlichkeit für die Klassifizierungsabstimmungsmethode. Durch Eingabe von Gewichten wird der gewichtete Durchschnitt der Klassenwahrscheinlichkeit jeder Klasse ermittelt und die Klasse mit dem höheren Wert ausgewählt.
Spektrales Clustering (SC) ist eine Clustering-Methode, die auf der Graphentheorie basiert. Dabei wird ein gewichteter ungerichteter Graph in zwei oder mehr optimale Teilgraphen unterteilt, wobei die Teilgraphen möglichst ähnlich und die Abstände zwischen den Teilgraphen möglichst groß gemacht werden, um den gemeinsamen Clusterzweck zu erreichen.
Der harte Rand ist die Grundlage für die Auswahl der Segmentierungshyperebene in der Support Vector Machine. Es bezieht sich auf die Situation, in der die Klassifizierung völlig genau ist und keine Verlustfunktion vorhanden ist, dh der Verlustwert 0 ist. Es ist nur erforderlich, die Ebene genau in der Mitte zweier heterogener Klassen zu finden. Das Gegenteil einer harten Marge ist eine weiche Marge. Soft Margin bedeutet, dass ein gewisser Fehler bei der Probenklassifizierung zugelassen wird, wobei die Optimierungsfunktion aus zwei Teilen besteht, […]
Glättung ist eine häufig verwendete Methode der Datenverarbeitung.
Die Segmentierungsvariable ist die Referenzvariable, die bei der räumlichen Segmentierung ausgewählt wird. Es handelt sich um einen Variablentyp, der zur Segmentierung bei Klassifizierungsproblemen verwendet wird, um eine optimale Klassifizierung zu erreichen.
Support Vector Machine (SVM) ist eine überwachte Lernmethode zur Verarbeitung von Daten in Klassifizierungs- und Regressionsanalysen.
Soft Margin Maximization ist eine Optimierungsmethode, die Soft Margins verwendet, um die optimale Lösung zu finden.
Transferlernen ist eine Methode, bei der vorhandenes Wissen genutzt wird, um neues Wissen zu erlernen.
Künstliche Intelligenz, auch als maschinelle Intelligenz bekannt, bezieht sich auf die Intelligenz von von Menschenhand geschaffenen Maschinen. Normalerweise bezieht sich künstliche Intelligenz auf die Technologie, menschliche Intelligenz durch gewöhnliche Computerprogramme darzustellen. Forschungsthemen Die aktuellen Forschungsrichtungen im Bereich der künstlichen Intelligenz sind in mehrere Unterbereiche unterteilt. Forscher hoffen, dass künstliche Intelligenzsysteme über bestimmte spezifische Fähigkeiten verfügen sollten, […]
Oversampling bezieht sich auf die Erhöhung der Anzahl von Samples einer bestimmten Klasse im Trainingssatz, um das Klassenungleichgewicht zu verringern.
Der durchschnittliche Gradient bezieht sich auf den Durchschnittswert der Graustufenänderungsrate. Es wird verwendet, um die Bildschärfe anzuzeigen. Dies liegt an den deutlichen Unterschieden in den Graustufen in der Nähe der Ränder oder Schatten des Bildes. Es spiegelt die Änderungsrate des Kontrasts winziger Details im Bild wider, d. h. die Änderungsrate der Dichte in der mehrdimensionalen Richtung des Bildes, und stellt die relative Klarheit des Bildes dar. Der mittlere Gradient ist das Bild […]
Bei der latenten semantischen Analyse geht es hauptsächlich um die Beziehungen hinter Wörtern und nicht um die Grundlage von Wörterbuchdefinitionen. Diese Beziehung basiert auf der tatsächlichen Verwendungsumgebung der Wörter und dient als grundlegende Referenz. Diese Idee stammt von Psycholinguisten, die glaubten, dass es einen gemeinsamen Mechanismus unter den Hunderten von Sprachen der Welt gibt, und zu dem Schluss kamen, dass jeder, der eine bestimmte Sprache spricht […]
Das globale Minimum bezieht sich auf den kleinsten Punkt aller Punkte. Der relative Begriff ist das lokale Minimum. Wenn die Fehlerfunktion nur ein lokales Minimum hat, dann ist das lokale Minimum zu diesem Zeitpunkt das globale Minimum. Wenn die Fehlerfunktion mehrere lokale Minima aufweist, kann nicht garantiert werden, dass die gefundene Lösung das globale Minimum ist. Methoden zum Finden des globalen Minimums Finden Sie mehrere lokale Minima und nehmen Sie das Minimum unter ihnen […]
Eine Aktivierungsfunktion ist eine Funktion, die auf einem Neuron in einem neuronalen Netzwerk ausgeführt wird und für die Zuordnung der Eingabe des Neurons zu seiner Ausgabe verantwortlich ist.
Globale Optimierung ist ein Zweig der angewandten Mathematik und numerischen Analyse, der versucht, das Minimum oder Maximum einer Funktion über eine gegebene Menge zu finden. Es wird oft als Minimierungsproblem beschrieben, da die Maximierung realwertiger Funktionen auf die gleiche Weise wie die Minimierung abgeleitet werden kann. Der Unterschied zwischen globaler und lokaler Optimierung besteht darin, dass sich erstere auf das Finden des Extremwerts einer gegebenen Menge konzentriert, […]
Ein Feedforward-Neuralnetzwerk ist ein relativ einfaches künstliches neuronales Netzwerk, dessen interne Parameter sich unidirektional von der Eingabeschicht zur Ausgabeschicht ausbreiten. Im Gegensatz zu einem rekursiven neuronalen Netzwerk bildet es intern keine gerichtete Schleife. Feedforward wird auch Vorwärts genannt. Aus der Perspektive des Signalflusses ist der Signalfluss unidirektional, nachdem das Eingangssignal in das Netzwerk gelangt ist.
Stichproben sind eine häufig verwendete Methode der Inferenzstatistik. Dabei handelt es sich um die Entnahme eines Teils der Individuen aus der Zielpopulation (Population oder Elternpopulation) als Stichprobe. Durch die Beobachtung eines oder mehrerer Attribute der Stichprobe wird auf Grundlage der erhaltenen Daten eine Schätzung der quantitativen Merkmale der Grundgesamtheit mit einer gewissen Zuverlässigkeit vorgenommen und so ein Verständnis der Grundgesamtheit erreicht.
Die Sentimentanalyse ist eine häufig verwendete Methode in der Verarbeitung natürlicher Sprache, die auf der lexikalischen Analyse von Texten basiert, um die darin enthaltenen spezifischen Emotionen zu bestimmen. Die Stimmungsanalyse ähnelt der Gefühlsanalyse, enthält jedoch mehr Arten emotionaler Informationen. Das vom Canadian National Research Council offiziell veröffentlichte Sentiment-Wörterbuch enthält die folgenden 8 Emotionen: Wütend […]
Die Frequenzschule glaubt, dass die Welt deterministisch ist und dass es eine Ontologie gibt, deren Wahrheitswert sich nicht ändert. Das Ziel der Häufigkeitsschule besteht darin, den Wahrheitswert bzw. dessen Bereich zu finden. Die Frequenzschule glaubt, dass hinter zufälligen Ereignissen ein tiefer Mechanismus stecken muss. Obwohl die Ereignisse selbst zufällig sind, ist dieser Mechanismus sicher. Anders als die frequentistische Schule ist die Bayesianische Schule, die […]