Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
Verständlichkeit
Verständlichkeit
Unter Verständlichkeit versteht man, wie leicht etwas zu verstehen ist, vor allem, ob es für die Leser leicht zu verstehen ist.
vor 2 Jahren
Polaritätserkennung
Polaritätserkennung
Bei der Polaritätserkennung handelt es sich um den Prozess der Klassifizierung der Stimmungspolarität eines Textes in natürlicher Sprache.
vor 2 Jahren
Aktivitätsregel
Aktivitätsregel
Eine Aktivierungsfunktion ist ein dynamisches Prinzip, das häufig in neuronalen Netzwerkmodellen verwendet wird und definiert, wie ein Neuron seinen Aktivierungswert basierend auf der Aktivität anderer Neuronen ändert. Die allgemeine Aktivierungsfunktion hängt von den Gewichten im Netzwerk ab, die nichtlineare Faktoren einführen können, und wird normalerweise zur Lösung von Problemen verwendet, die nicht durch lineare Gleichungen gelöst werden können.
vor 2 Jahren
Parsebaum
Parsebaum
Ein Parsebaum, auch konkreter Syntaxbaum genannt, ist eine Darstellung der Ergebnisse einer Syntaxanalyse, die die grammatische Struktur einer Sprache in Baumform darstellt.
vor 2 Jahren
Architektur
Architektur
Struktur ist eine Methode zum Anzeigen eines Topologiediagramms eines neuronalen Netzwerks, die im Bereich der neuronalen Netzwerke häufig verwendet wird. Variablen können in einem neuronalen Netzwerk die Gewichte und Aktivierungswerte von Neuronenverbindungen sein.
vor 2 Jahren
Analytische Gradienten
Analytische Gradienten
Analytischer Gradient bezieht sich auf die Verwendung von Backpropagation in neuronalen Netzwerkalgorithmen, um den Gradienten der Zielfunktion in Bezug auf jeden Parameter zu berechnen.
vor 2 Jahren
Annäherung
Annäherung
Unter Annäherung oder Näherung versteht man, dass eine Sache einer anderen ähnlich, aber nicht genau gleich ist.
vor 2 Jahren
Ungefähre Bayes-Berechnung
Ungefähre Bayes-Berechnung
Approximate Bayesian Computation (ABC) ist eine auf der Bayes-Statistik basierende Berechnungsmethode, mit der die Posterior-Verteilung von Modellparametern geschätzt werden kann.
vor 2 Jahren
Ungefähre Inferenz
Ungefähre Inferenz
Bei approximativen Inferenzmethoden geht es um das Sampling und Lernen aus einer großen Datenmenge und die Verwendung einer Hypothesenüberprüfungslogik, um sich kontinuierlich dem wahren Modell anzunähern.
vor 2 Jahren
Affinitätsmatrix
Affinitätsmatrix
In der Mathematik ist eine Distanzmatrix eine Matrix (also ein zweidimensionales Array), die die Distanzen zwischen Punktpaaren enthält.
vor 2 Jahren
Plug-and-Play-generative Netzwerke
Plug-and-Play-generative Netzwerke
Plug and Play Generative Network (PPGN) ist ein von Nguyen et al. vorgeschlagenes Modell. im Jahr 2016.
vor 2 Jahren
Nominales Attribut
Nominales Attribut
Das Spaltennamenattribut bezieht sich auf die „namensbezogene“ Eigenschaft der Daten und der entsprechende Wert ist der Name eines Symbols oder Gegenstands.
vor 2 Jahren
Akkumulierte Fehlerrückpropagation
Akkumulierte Fehlerrückpropagation
Die kumulative Fehlerrückausbreitung ist ein neuronaler Netzwerkalgorithmus, der eine auf Gradientenabstieg basierende Strategie anwendet, um Parameter in der negativen Gradientenrichtung des Ziels anzupassen, mit dem Ziel, den Trainingsfehler zu minimieren. Auch bekannt als „Backpropagation-Algorithmus“ oder kurz „BP-Algorithmus“
vor 2 Jahren
Clustering
Clustering
Das Gruppieren verwandter Beispiele wird im Allgemeinen für unüberwachtes Lernen verwendet. Sobald alle Proben gruppiert wurden, können die Forscher jedem Cluster optional eine Bedeutung zuweisen. Es gibt viele Clustering-Algorithmen, beispielsweise clustert der K-Means-Algorithmus Stichproben basierend auf ihrer Nähe zum Schwerpunkt, wie unten gezeigt: Danach können Forscher […]
vor 2 Jahren
Mehrheitswahlrecht
Mehrheitswahlrecht
Bei der absoluten Mehrheitswahl handelt es sich um eine Wahlmethode, bei der mehr als die Hälfte der gültigen Stimmen abgegeben werden müssen, um anerkannt zu werden. Wenn mehrere Klassifikatoren eine bestimmte Kategorie vorhersagen, wird nur der Teil vorhergesagt, der höher ist als die Hälfte der Gesamtergebnisse. Hier ist die Formel zur Darstellung: $latex {H{ \left( {x} \right) }\text{ […]
vor 2 Jahren
Manifold-Lernen
Manifold-Lernen
Manifold Learning ist eine grundlegende Methode der Mustererkennung, die das Wesentliche der Dinge anhand beobachteter Phänomene erschließt und die inneren Gesetze findet, die die Daten erzeugen. Manifold-Lernen kann in zwei Typen unterteilt werden: linearer Manifold-Lernalgorithmus und nichtlinearer Manifold-Lernalgorithmus. Der nichtlineare Manifold-Lernalgorithmus umfasst die isometrische Abbildung Isomap, die Laplace-Eigenabbildung L […]
vor 2 Jahren
Mittlerer Quadrierter Fehler
Mittlerer Quadrierter Fehler
Der mittlere quadratische Fehler ist der erwartete Wert, der den Grad der Abweichung zwischen dem geschätzten Wert und dem wahren Wert widerspiegelt. Es wird häufig verwendet, um den Grad der Datenänderung zu bewerten und die Genauigkeit der Daten vorherzusagen. Angenommen, es gibt einen Parameter , dessen Schätzfunktion
ist, dann ist $latex {MSE [...]
vor 2 Jahren
Maschinelle Übersetzung
Maschinelle Übersetzung
Bei der maschinellen Übersetzung werden Computer zur Konvertierung zwischen verschiedenen Sprachen eingesetzt. Dabei wird normalerweise die Ausgangssprache in die Zielsprache übersetzt. Übersetzungsprozess Aus der Perspektive der menschlichen Übersetzung zur maschinellen Übersetzung kann der Übersetzungsprozess wie folgt unterteilt werden: Entschlüsseln Sie die Bedeutung des Quelltextes und übersetzen Sie die analysierte Bedeutung in die Zielsprache. Übersetzungsmethoden Allgemeine Schritte der maschinellen Übersetzung […]
vor 2 Jahren
Mannigfaltige Annahme
Mannigfaltige Annahme
Die Mannigfaltigkeitsannahme ist eine gängige Annahme beim halbüberwachten Lernen, eine andere ist die Clusterannahme. Die Mannigfaltigkeitsannahme besagt, dass Beispiele mit ähnlichen Eigenschaften normalerweise in kleinen lokalen Nachbarschaften liegen und daher ähnliche Bezeichnungen haben, was die lokale Glätte der Entscheidungsfunktion widerspiegelt. Im Gegensatz zur Clusterhypothese, die sich auf die Gesamtmerkmale konzentriert, konzentriert sich die Mannigfaltigkeitshypothese mehr auf die [...]
vor 2 Jahren
Maximum-Likelihood-Schätzung
Maximum-Likelihood-Schätzung
Die Maximum-Likelihood-Schätzung ist eine Schätzmethode, die hauptsächlich zur Bestimmung von Modellparametern verwendet wird, indem die möglichen Daten ermittelt werden, die den Beobachtungswert des Modells maximieren, und diese als endgültige Auswahl verwendet werden. Bei der Maximum-Likelihood-Schätzung erfüllt die Stichprobenziehung die Annahme einer unabhängigen und identischen Verteilung. Sein Zweck besteht darin, aus bekannten Stichprobenergebnissen den Parameterwert abzuleiten, der mit der höchsten Wahrscheinlichkeit zu verwandten Ergebnissen führt.
vor 2 Jahren
Faules Lernen
Faules Lernen
Lazy Learning ist eine Methode zur Verarbeitung von Trainingssätzen, bei der das Training erfolgt, sobald die Testbeispiele vorliegen. Im Gegensatz dazu beginnt Eager Learning bereits während der Trainingsphase mit dem Lernen der Beispiele. Wenn sich die Aufgabendaten häufig ändern, kann Lazy Learning verwendet werden. Zunächst wird kein Training durchgeführt. Die Vorhersageanforderung wird empfangen und dann werden die aktuellen Daten für Wahrscheinlichkeiten verwendet.
vor 2 Jahren
Lernen Durch Analogie
Lernen Durch Analogie
Analogielernen ist eine Methode des kognitiven Denkens und Schlussfolgerns. Dabei werden zwei Arten von Dingen oder Situationen verglichen, um ihre Ähnlichkeiten auf Objektebene herauszufinden, und auf dieser Grundlage wird die Beziehung zwischen Dingen und Situationen verglichen. Durch entsprechendes Anordnen/Austauschen entsprechend einer anderen Sache erhält man die entsprechende Lösung. Es gibt mehrere Klassifizierungsmethoden für das Analogielernen […]
vor 2 Jahren
Durchhalten
Durchhalten
Die Holdout-Methode ist eine Methode zur Modellbewertung, die den Datensatz D in zwei sich gegenseitig ausschließende Sätze aufteilt. Angenommen, ein Satz ist der Trainingssatz S und der andere der Testsatz T, dann gilt: D = S ∪ T , S ∩ T = ∅. Durch die Aufteilung des Trainings-/Testsatzes sollte die Datenverteilung möglichst konsistent bleiben. Um zu vermeiden […]
vor 2 Jahren
Beschneidung
Beschneidung
Beschneiden ist eine Methode, um die Verzweigung eines Entscheidungsbaums zu verhindern. Es ist ein Mittel, um das Problem der Überanpassung in Entscheidungsbäumen zu lösen.
vor 2 Jahren