Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
Der Symbolismus ist eine Denkschule im Bereich der künstlichen Intelligenz, die an mathematische Logik glaubt.
Die Einheitssprungfunktion wird auch Heaviside-Sprungfunktion genannt und ist wie folgt definiert: Ihr Graph sieht wie folgt aus: Verwandte Begriffe: Impulsfunktion,
Die Von-Neumann-Architektur ist ein Computerdesignkonzept, das Programmbefehlsspeicher und Datenspeicher kombiniert.
Unter sekundärem Lernen versteht man wiederholtes Lernen, wenn das erste Lernergebnis nicht optimal ist.
Ungleiche Kosten beziehen sich auf Situationen, in denen den Verlusten jeder Kategorie unterschiedliche Kosten zugewiesen werden.
Ungesättigte Spiele sind eher von heuristischen Methoden als von theoretischen Analysen inspiriert.
Ein Adversarial Network ist eine Implementierung eines generativen Adversarial Network, das zum stapelweisen Generieren von Adversarial Samples für ein bestimmtes neuronales Netzwerkmodell verwendet wird.
Adversarial-Beispiele beziehen sich auf Eingaben in ein neuronales Netzwerk, die dazu führen, dass das Netzwerk falsche Ergebnisse ausgibt. Im Datensatz werden Eingangsproben durch das absichtliche Hinzufügen leichter Störungen gebildet. Der gestörte Input führt dazu, dass das Modell mit hoher Sicherheit falsche Ergebnisse liefert. Die Eingabestichproben werden als gegnerische Stichproben bezeichnet. Dieses Verhalten wird normalerweise als feindlicher Angriff auf das neuronale Netzwerkmodell angesehen. […]
Affine Schichten sind vollständig verbundene Schichten in neuronalen Netzwerken, wobei „affin“ als die Verbindungen zwischen Neuronen in unterschiedlichen Schichten betrachtet werden kann und in vielerlei Hinsicht als die „Standardschicht“ eines neuronalen Netzwerks angesehen werden kann. Die allgemeine Form einer affinen Schicht ist wie folgt: y = f(wx + b). Hinweis: x ist der Schichteingang, w ist der Parameter und b ist eine Vorspannung […]
Metrisches Lernen kann auch als Ähnlichkeit betrachtet werden. Beim metrischen Lernen geht es darum, die Ähnlichkeit zwischen Stichproben zu messen, was eines der Kernprobleme bei der Mustererkennung ist. Das Ziel des metrischen Lernens besteht darin, den Abstand zwischen Proben desselben Typs zu minimieren und den Abstand zwischen Proben unterschiedlichen Typs zu maximieren.
Unter Mehrfachklassifizierung, manchmal auch Mehrfachklassifizierung genannt, versteht man die Einordnung von mehr als zwei Kategorien in einer Klassifizierungsaufgabe. Vorhandene Mehrklassen-Klassifizierungstechniken können in (i) Konvertierung ins Binärsystem, (ii) Erweiterung aus dem Binärsystem und (iii) hierarchische Klassifizierung unterteilt werden. Gängige Strategien 1) Die Einer-gegen-alle-Strategie erfordert die Erstellung eines einzigartigen […]
Multilayer Perceptron (MLP) ist ein künstliches neuronales Feedforward-Netzwerk, das eine Reihe von Eingabevektoren auf eine Reihe von Ausgabevektoren abbildet. Es kann als gerichteter Graph betrachtet werden, der aus mehreren Knotenschichten besteht, von denen jede vollständig mit der nächsten Schicht verbunden ist. Zusätzlich zu den Eingabeknoten muss jeder […]
Modalität bezieht sich auf die spezifische Art und Weise, wie Menschen Informationen erhalten. Da Multimediadaten häufig ein Medium zur Übertragung mehrerer Arten von Informationen sind (beispielsweise überträgt ein Video oft Text-, Bild- und Hörinformationen gleichzeitig), hat sich multimodales Lernen allmählich zum wichtigsten Mittel zur Analyse und zum Verständnis von Multimediainhalten entwickelt. Multimodales Lernen umfasst im Wesentlichen Folgendes […]
Die Obergrenze des Generalisierungsfehlers bezieht sich auf den maximal zulässigen Wert des Generalisierungsfehlers. Das Überschreiten dieser Obergrenze beeinträchtigt die Durchführbarkeit des maschinellen Lernens. Der Generalisierungsfehler bezieht sich auf den Fehler, der beim Generalisieren vom Trainingssatz auf Bereiche außerhalb des Trainingssatzes entsteht. Im Allgemeinen wird der Fehler außerhalb des Trainingssatzes verwendet, d. h. der erwartete Fehler im gesamten Eingaberaum abzüglich des Trainingsfehlers. Da die Obergrenze des Fehlers weit ist […]
Multidimensionale Skalierung (MDS) ist eine Visualisierung der Abstände zwischen einer Reihe von Objekten und kann auch als unüberwachter Algorithmus zur Dimensionsreduzierung verwendet werden. Es handelt sich um eine Methode zur Dimensionsreduzierung, die die spärlichen Beispieldaten und die Schwierigkeiten bei der Entfernungsberechnung, die in hochdimensionalen Situationen auftreten, lindern kann. Es handelt sich um eine Methode zur linearen Dimensionsreduktion, die sich sowohl von der Hauptkomponentenanalyse als auch von der linearen Dimensionsreduktionsanalyse unterscheidet. […]
Bei der multiplen linearen Regression handelt es sich um eine lineare Regression, die auf mehreren Variablen durchgeführt wird. Die Methode der multiplen linearen Regression ähnelt der Methode der univariaten Regression, mit dem Unterschied, dass es mehr unabhängige Variablen und Parameter gibt. Allgemeine Funktionen der multiplen Regression Linearer Korrelationskoeffizient zwischen Variablen cor(dataframe) Streudiagrammmatrix scatterplotMatrix […]
Ockhams Rasiermesser besagt, dass, wenn es mehrere Hypothesen gibt, die mit Beobachtungen übereinstimmen, die einfachste gewählt werden sollte. Ockhams Rasiermesser wird häufig als heuristische Technik verwendet. Es handelt sich um ein Hilfsmittel zur Entwicklung theoretischer Modelle und kann nicht als Grundlage für die Beurteilung von Theorien verwendet werden.
Out-of-Bag-Schätzungen beziehen sich auf Testergebnisse, bei denen die zum Testen verwendeten Proben nicht im Trainingssatz erscheinen.
Unter Parameterschätzung versteht man die Schätzung von Bevölkerungsindikatoren anhand von Stichprobenindikatoren. Insbesondere wird der Stichprobenmittelwert verwendet, um den Populationsmittelwert zu schätzen, oder die Stichprobenrate wird verwendet, um die Populationsrate zu schätzen.
Unter Part-of-Speech-Tagging (POS-Tagging) versteht man den Prozess der Klassifizierung und Kennzeichnung von Wörtern in einem Satz. Dabei handelt es sich um den Vorgang, jedem Wort durch eine Wortartklassifizierung basierend auf den Komponenten, die es in der syntaktischen Struktur oder Sprachmorphologie trägt, ein Wortartkennzeichen zuzuweisen.
Der semi-naive Bayes-Klassifikator ist eine Klassifizierungsmethode, die die gegenseitige Abhängigkeit einiger Attribute berücksichtigt. Es handelt sich um eine Relaxationsstrategie, wenn die gegenseitige Unabhängigkeit der Merkmale des naiven Bayes-Klassifikators schwer zu erfüllen ist.
Halbüberwachtes Lernen ist eine Lerntechnik zwischen überwachtem und unüberwachtem Lernen. Zum Lernen werden sowohl beschriftete als auch unbeschriftete Proben verwendet.
Ein Sattelpunkt ist ein stationärer Punkt, der kein lokaler Extrempunkt ist.
Der Versionsraum ist eine Teilmenge aller Hypothesen beim Konzeptlernen, die mit einem bekannten Datensatz übereinstimmen, und wird häufig verwendet, um Inhalte zu konvergieren.