Wiki
Wir haben Hunderte von verwandten Einträgen zusammengestellt, um Ihnen zu helfen, "künstliche Intelligenz" zu verstehen
Definition von Backpropagation Backpropagation, kurz für „Error Backpropagation“, ist eine gängige Methode, die in Verbindung mit Optimierungsmethoden zum Trainieren künstlicher neuronaler Netzwerke verwendet wird. Diese Methode berechnet den Gradienten der Verlustfunktion für alle Gewichte im Netzwerk. Dieser Gradient wird an die Optimierungsmethode zurückgemeldet, um die Gewichte zu aktualisieren und so die Verlustfunktion zu minimieren. […]
Backpropagation durch die Zeit ist ein Backpropagation-Algorithmus, der auf rekurrierende neuronale Netzwerke (RNNs) angewendet wird. BPTT kann als der auf RNNs angewendete Standard-Backpropagation-Algorithmus betrachtet werden, wobei jeder Zeitschritt eine Berechnungsschicht darstellt und seine Parameter über alle Berechnungsschichten hinweg gemeinsam genutzt werden. Weil RNN bei allen Zeitschritten […]
Allgemeine Basislerner können aus logistischer Regression, Entscheidungsbäumen, SVM, neuronalen Netzwerken, Bayes-Klassifikatoren, K-Nearest-Neighbors usw. bestehen. Wenn die einzelnen Lerner aus demselben Lernalgorithmus aus den Trainingsdaten generiert werden, kann dies als homogenes Ensemble bezeichnet werden, und die einzelnen Lerner werden in diesem Fall auch als Basislerner bezeichnet. das Ensemble kann auch verschiedene […] enthalten.
Definition: Angenommen, x ist eine kontinuierliche Zufallsvariable, deren Verteilung vom Kategoriezustand abhängt und in der Form p(x|ω) ausgedrückt wird. Dies ist die Funktion der „klassenbedingten Wahrscheinlichkeit“, d. h. die Wahrscheinlichkeitsfunktion von x, wenn der Kategoriezustand ω ist. Klasse bedingte Wahrscheinlichkeitsfunktion $latex P\left(X | w_{i}\ri […]
CART ist eine Lernmethode für die bedingte Wahrscheinlichkeitsverteilung der Ausgabezufallsvariablen Y bei gegebener Eingabezufallsvariabler X. Definition CART Angenommen, der Entscheidungsbaum ist ein Binärbaum, die Werte der internen Knotenmerkmale sind „ja“ und „nein“, der linke Zweig ist der Zweig mit dem Wert „ja“ und der rechte Zweig ist der Zweig mit dem Wert „nein“. Das[…]
Bei einem Klassenungleichgewicht handelt es sich um ein Problem der binären Klassifizierung, bei dem die Bezeichnungen der beiden Klassen eine große Lücke in ihren Häufigkeiten aufweisen. Beispielsweise haben in einem Krankheitsdatensatz 0,0001 Proben positive Klassenbezeichnungen und 0,9999 Proben negative Klassenbezeichnungen, was ein Problem der Klassifizierungsungleichgewichte darstellt. aber in einem […]
Die geschlossene Form bezieht sich auf einige strenge Formeln, in denen jede unabhängige Variable verwendet werden kann, um die abhängige Variable zu finden, d. h. die Lösung des Problems. Dies ist eine Lösungsform, die grundlegende Funktionen wie Brüche, trigonometrische Funktionen, Exponentialfunktionen, Logarithmen und sogar unendliche Reihen umfasst. Die Methode, die zum Erhalten der relevanten Lösung verwendet wird, wird auch als analytische Methode bezeichnet und ist eine gängige Kalkulationsmethode […]
Die Clusteranalyse ist eine Technik zur statistischen Datenanalyse, die in vielen Bereichen weit verbreitet ist, darunter maschinelles Lernen, Data Mining, Mustererkennung, Bildanalyse und Bioinformatik. Beim Clustering werden ähnliche Objekte durch statische Klassifizierung in verschiedene Gruppen oder mehrere Teilmengen unterteilt, sodass die Mitgliedsobjekte in derselben Teilmenge [...]
Clustering Ensemble ist ein Algorithmus zur Verbesserung der Genauigkeit, Stabilität und Robustheit von Clustering-Ergebnissen. Durch die Integration mehrerer Basisclusterergebnisse kann ein besseres Ergebnis erzielt werden. Die Grundidee dieser Methode besteht darin, den ursprünglichen Datensatz mit mehreren unabhängigen Basisclustern zu clustern und ihn dann mithilfe einer Ensemble-Methode zu verarbeiten und das Beste zu erhalten […]
Bestandteil des Decoders in einer digitalen Fernsteuerung. Es besteht aus einem bistabilen Auslöser und einem Codierschalter. Jedes bistabile Element hat zwei Zustände, „1“ und „2“. Wenn n bistabile Schaltungen kaskadiert werden, gibt es 2n mögliche Kombinationen. Jede Kombination ist eine Binärcodegruppe und die Codierschalter sind entsprechend der Binärcodegruppe verbunden. Der Zweck der Kodierungsmatrix besteht darin, die Anweisungen […]
Eine der Konferenzen zur Theorie des computergestützten Lernens, die von der ACM gesponsert und jährlich abgehalten wird. Die Computational Learning Theory kann als Schnittstelle zwischen theoretischer Informatik und maschinellem Lernen betrachtet werden und gilt daher allgemein als eine Konferenz mit Bezug zur Informatik. Offizielle Website: https://learningtheory.org/colt2019 […]
Competitive Learning ist eine Lernmethode künstlicher neuronaler Netze. Wenn die Netzwerkstruktur festgelegt ist, beschränkt sich der Lernprozess auf die Änderung der Verbindungsrechte, wobei sich kompetitives Lernen auf den Wettbewerb aller Einheiten in der Netzwerkeinheitengruppe um das Recht bezieht, auf externe Reizmuster zu reagieren. Die Anschlussrechte der Einheit, die den Wettbewerb gewinnt, ändern sich in eine für den Wettbewerb dieses Stimulationsmusters günstigere Richtung.
Ein Komponentenlerner ist eine Art individueller Lerner, der auf der Grundlage von Ensemblelernen generiert wird. Wenn einzelne Lerner durch unterschiedliche Lernalgorithmen generiert werden, spricht man von einem heterogenen Ensemble, und diese einzelnen Lerner werden als Komponentenlerner bezeichnet.
Erklärbarkeit bedeutet, dass Sie die relevanten Informationen erhalten, die Sie benötigen, wenn Sie ein Problem verstehen oder lösen müssen. Interpretierbarkeit auf Datenebene: Geben Sie dem neuronalen Netzwerk einen klaren symbolischen Ausdruck des internen Wissens, der dem menschlichen Wissensrahmen entspricht, sodass Menschen das neuronale Netzwerk auf semantischer Ebene diagnostizieren und ändern können. Maschinelles Lernen kann das Problem lösen […]
Klassifizierungsalgorithmen im Bereich des maschinellen Lernens unterteilen Attribute in diskrete und kontinuierliche, wobei diskrete Attribute endliche oder unendliche zählbare Werte haben, die durch ganze Zahlen dargestellt werden können oder nicht. Beispielsweise haben die Attribute Haarfarbe, Raucher, medizinischer Test und Getränkegröße alle endliche Werte […]
Kaskadenkorrelation wird als überwachte Lernarchitektur definiert, die zum Aufbau einer minimalen mehrschichtigen Netzwerktopologie verwendet werden kann. Sein Vorteil besteht darin, dass sich Benutzer keine Gedanken über die topologische Struktur des Netzwerks machen müssen und dass seine Lerngeschwindigkeit schneller ist als bei herkömmlichen Lernalgorithmen. Korrelationsalgorithmus Der Kaskadenkorrelationsalgorithmus wird implementiert, indem mit einem minimalen Netzwerk begonnen wird, das nur aus den Ein- und Ausgängen besteht […]
Definition: Unter festgelegten Bedingungen mithilfe eines Referenznormals den Eigenschaften eines Messgeräts, einschließlich eines Referenzmaterials, Werte zuordnen und dessen Anzeigefehler bestimmen. Zweck: Feststellen des Fehlers der Anzeige und ob dieser innerhalb des erwarteten Toleranzbereichs liegt; Um einen gemeldeten Wert der Abweichung vom Sollwert zu erhalten und das Messgerät einzustellen oder die Anzeige zu korrigieren; Um jedem […]
Definition Für die Differentialgleichung $latex \frac{d \mathbf{x}}{dt}=\mathbf{f}(t, \mathbf{x}), \mathbf{x} \in \mathbb{R}^{n}$ , wenn $latex […]
Beim Bootstrapping handelt es sich um eine gleichmäßige Stichprobennahme mit Ersetzung aus einem gegebenen Trainingssatz. Das heißt, wenn eine Stichprobe ausgewählt wird, ist es mit gleicher Wahrscheinlichkeit möglich, dass sie erneut ausgewählt und erneut zum Trainingssatz hinzugefügt wird. Die Bootstrap-Methode wurde erstmals 1979 von Bradley Efron in Annals of Statistics vorgeschlagen.
Bei einer Stichprobe beträgt die Wahrscheinlichkeit, dass sie bei jeder Zufallsstichprobe eines Trainingssatzes mit m Stichproben erfasst wird, 1 m. Die Wahrscheinlichkeit, nicht abgeholt zu werden, beträgt 1−1m. Wenn die Wahrscheinlichkeit, dass m Proben nicht gesammelt werden, (1−1m)m beträgt, dann gilt für m→∞: (1−1m)m→1/e≃0 […]
Eine Boltzmann-Maschine ist eine Art zufälliges neuronales Netzwerk und rekurrentes neuronales Netzwerk, das 1985 von Geoffrey Hinton und Terry Sejnowski erfunden wurde. Eine Boltzmann-Maschine kann als ein zufälliger Prozess betrachtet werden, der die entsprechenden […] generiert.
Definition: Eine Bisektionsmethode ist ein Algorithmus, dessen Eingabe eine geordnete Liste von Elementen ist. Wenn das gesuchte Element in der Liste enthalten ist, gibt die binäre Suche seine Position zurück. andernfalls wird null zurückgegeben. Grundidee: Diese Methode eignet sich, wenn die Datenmenge groß ist. Bei der binären Suche müssen die Daten sortiert werden. Gehen Sie davon aus, dass die Daten in aufsteigender Reihenfolge sind […]
Definition: Der Binomialtest vergleicht die beobachteten Häufigkeiten der beiden Kategorien einer dichotomen Variablen mit den erwarteten Häufigkeiten unter einer Binomialverteilung mit einem angegebenen Wahrscheinlichkeitsparameter. Standardmäßig beträgt der Wahrscheinlichkeitsparameter für beide Gruppen 0,5. Beispiel: Eine Münze wird geworfen und die Wahrscheinlichkeit für Kopf beträgt 1/2. Unter dieser Annahme wird eine Münze 40 Mal geworfen […]
Gibt an, dass es bei der Klassifizierungsaufgabe nur zwei Kategorien gibt. Beispielsweise möchten wir feststellen, ob ein Bild eine Katze darstellt oder nicht. Das heißt, trainieren Sie einen Klassifikator, geben Sie ein Bild ein, das durch den Merkmalsvektor x dargestellt wird, und geben Sie aus, ob es sich um eine Katze handelt, dargestellt durch y = 0 oder 1; Bei der Zwei-Klassen-Klassifizierung wird davon ausgegangen, dass jede Probe mit genau einem Label 0 […] versehen ist.