HyperAI
Command Palette
Search for a command to run...
Wiki
Glossaire du Machine Learning : Explorez les définitions et explications des concepts clés de l'IA et du ML
La théorie des graphes est une branche des mathématiques combinatoires. Son principal objet de recherche est le graphique. Ici, le graphe fait référence à une figure composée de plusieurs sommets et arêtes donnés reliant deux sommets. Il est souvent utilisé pour décrire des relations particulières entre des choses, où les sommets représentent les choses et les arêtes représentent les connexions entre elles. La théorie des graphes est née du problème des sept ponts de Königsberg, résolu par Euler en 1736 […]
Le problème d'explosion de gradient se produit généralement dans les réseaux profonds lorsque la valeur d'initialisation du poids est trop grande, et il devient généralement plus évident à mesure que le nombre de couches réseau augmente. En prenant la dérivée de la fonction d'activation, si le résultat est supérieur à 1, alors à mesure que le nombre de couches augmente, la mise à jour du gradient final augmentera de manière exponentielle, c'est-à-dire qu'une explosion du gradient se produit ; si le résultat est inférieur à 1, alors le nombre de couches […]
La décomposition propre est une méthode de représentation du produit de matrices en les décomposant en valeurs propres et vecteurs propres. Cependant, seules les matrices diagonalisables peuvent être décomposées en valeurs propres. La multiplication matricielle correspond à une transformation, qui consiste à transformer n'importe quel vecteur en un nouveau vecteur d'une autre direction et d'une autre longueur. Dans ce processus, le vecteur d’origine va tourner et s’étendre.
Un algorithme est un moyen efficace de représenter une liste de longueur finie. En mathématiques et en informatique, un algorithme peut être considéré comme toute séquence bien définie d’étapes de calcul spécifiques.
La moyenne harmonique est une méthode de calcul de la moyenne, qui peut être divisée en deux formes : simple et pondérée. La moyenne harmonique pondérée est une variante de la moyenne arithmétique pondérée. Dans la plupart des cas, nous ne connaissons que la somme des valeurs d'un certain signe dans chaque groupe, m, mais nous manquons d'informations sur le nombre total d'unités f. Par conséquent, nous ne pouvons pas utiliser directement la méthode de la moyenne arithmétique pondérée pour calculer, et […]
Les essais et erreurs sont une méthode de résolution de problèmes par des tentatives répétées.
Les variables de marge souple sont des variables auxiliaires ajoutées lors de l'application de la méthode de marge souple pour la classification. Il est introduit pour résoudre l’impact des valeurs aberrantes sur la classification.
La descente de gradient stochastique (SGD) est une approche de résolution itérative de l'algorithme de descente de gradient.
Une fonction de substitution est une fonction utilisée lorsque la fonction cible ne peut pas être utilisée ou fonctionne mal.
La fonction de perte est une mesure utilisée pour mesurer et prédire la qualité d'un modèle. Il reflète l’écart entre la valeur prédite par le modèle et la valeur réelle. Il s’agit de la partie centrale de la fonction de risque empirique et également d’un composant de la fonction de risque structurel. Fonctions de perte courantes Fonction de perte logarithmique Fonction de perte carrée Fonction de perte exponentielle Fonction de perte charnière
La sélection de fonctionnalités est le processus de sélection de sous-ensembles de fonctionnalités. Il est généralement utilisé pour construire des modèles. Ses avantages sont les suivants : Simplifier le modèle ; Réduire le temps de formation ; Améliorez la polyvalence et réduisez le surajustement. L'algorithme de sélection de fonctionnalités peut être considéré comme une combinaison de technologie de recherche et d'indice d'évaluation. Le premier fournit de nouveaux sous-ensembles de fonctionnalités candidats, et le second est utilisé pour sélectionner différents sous-ensembles de fonctionnalités.
La fonction objective fait référence à la forme de l'objectif poursuivi exprimé par les variables de conception et est une fonction des variables de conception.
L’apprentissage par renforcement (RL) est une branche importante de l’apprentissage automatique et un produit de l’intersection de plusieurs disciplines et domaines. Son essence est de résoudre le problème de prise de décision, c'est-à-dire de prendre des décisions de manière automatique et continue.
Les fonctions de notation sont les types de « scores » disponibles pour le modèle sélectionné. Par exemple, la valeur prédite d’une cible, la probabilité d’une valeur prédite ou la probabilité d’une valeur cible sélectionnée.
La décomposition en valeurs singulières (SVD) est une méthode de décomposition matricielle importante. La base de la décomposition des vecteurs propres des tableaux symétriques est l'analyse spectrale, et la décomposition des valeurs singulières est la généralisation de la théorie de l'analyse spectrale aux matrices arbitraires.
Le vote souple est également appelé vote à probabilité moyenne pondérée. Il utilise la probabilité de classe de sortie pour la méthode de vote de classification. En saisissant des poids, la moyenne pondérée de la probabilité de classe de chaque classe est obtenue et la classe avec la valeur la plus élevée sera sélectionnée.
Le clustering spectral (SC) est une méthode de clustering basée sur la théorie des graphes. Il divise un graphe non orienté pondéré en deux ou plusieurs sous-graphes optimaux, rendant les sous-graphes aussi similaires que possible et les distances entre les sous-graphes aussi éloignées que possible, afin d'atteindre l'objectif de clustering commun.
La marge dure est la base de la sélection de l'hyperplan de segmentation dans la machine à vecteurs de support. Il s'agit de la situation où la classification est totalement précise et où il n'y a pas de fonction de perte, c'est-à-dire que la valeur de perte est de 0. Il suffit de trouver le plan exactement au milieu de deux classes hétérogènes. L'opposé de la marge dure est la marge souple. La marge souple signifie autoriser une certaine quantité d’erreur de classification d’échantillon, où la fonction d’optimisation se compose de deux parties, […]
Le lissage est une méthode de traitement de données couramment utilisée.
La variable de segmentation est la variable de référence sélectionnée lors de la segmentation spatiale. Il s'agit d'un type de variable utilisé pour segmenter les problèmes de classification afin d'obtenir une classification optimale.
La machine à vecteurs de support (SVM) est une méthode d'apprentissage supervisé pour le traitement des données dans l'analyse de classification et de régression.
La maximisation des marges souples est une méthode d’optimisation qui utilise des marges souples pour trouver la solution optimale.
L’apprentissage par transfert est une méthode qui consiste à utiliser les connaissances existantes pour acquérir de nouvelles connaissances.
L'intelligence artificielle, également connue sous le nom d'intelligence artificielle, fait référence à l'intelligence affichée par les machines fabriquées par les humains. Habituellement, l’intelligence artificielle fait référence à la technologie permettant de présenter l’intelligence humaine à travers des programmes informatiques ordinaires. Thèmes de recherche Les axes de recherche actuels en intelligence artificielle ont été divisés en plusieurs sous-domaines. Les chercheurs espèrent que les systèmes d’intelligence artificielle devraient avoir certaines capacités spécifiques, […]
La théorie des graphes est une branche des mathématiques combinatoires. Son principal objet de recherche est le graphique. Ici, le graphe fait référence à une figure composée de plusieurs sommets et arêtes donnés reliant deux sommets. Il est souvent utilisé pour décrire des relations particulières entre des choses, où les sommets représentent les choses et les arêtes représentent les connexions entre elles. La théorie des graphes est née du problème des sept ponts de Königsberg, résolu par Euler en 1736 […]
Le problème d'explosion de gradient se produit généralement dans les réseaux profonds lorsque la valeur d'initialisation du poids est trop grande, et il devient généralement plus évident à mesure que le nombre de couches réseau augmente. En prenant la dérivée de la fonction d'activation, si le résultat est supérieur à 1, alors à mesure que le nombre de couches augmente, la mise à jour du gradient final augmentera de manière exponentielle, c'est-à-dire qu'une explosion du gradient se produit ; si le résultat est inférieur à 1, alors le nombre de couches […]
La décomposition propre est une méthode de représentation du produit de matrices en les décomposant en valeurs propres et vecteurs propres. Cependant, seules les matrices diagonalisables peuvent être décomposées en valeurs propres. La multiplication matricielle correspond à une transformation, qui consiste à transformer n'importe quel vecteur en un nouveau vecteur d'une autre direction et d'une autre longueur. Dans ce processus, le vecteur d’origine va tourner et s’étendre.
Un algorithme est un moyen efficace de représenter une liste de longueur finie. En mathématiques et en informatique, un algorithme peut être considéré comme toute séquence bien définie d’étapes de calcul spécifiques.
La moyenne harmonique est une méthode de calcul de la moyenne, qui peut être divisée en deux formes : simple et pondérée. La moyenne harmonique pondérée est une variante de la moyenne arithmétique pondérée. Dans la plupart des cas, nous ne connaissons que la somme des valeurs d'un certain signe dans chaque groupe, m, mais nous manquons d'informations sur le nombre total d'unités f. Par conséquent, nous ne pouvons pas utiliser directement la méthode de la moyenne arithmétique pondérée pour calculer, et […]
Les essais et erreurs sont une méthode de résolution de problèmes par des tentatives répétées.
Les variables de marge souple sont des variables auxiliaires ajoutées lors de l'application de la méthode de marge souple pour la classification. Il est introduit pour résoudre l’impact des valeurs aberrantes sur la classification.
La descente de gradient stochastique (SGD) est une approche de résolution itérative de l'algorithme de descente de gradient.
Une fonction de substitution est une fonction utilisée lorsque la fonction cible ne peut pas être utilisée ou fonctionne mal.
La fonction de perte est une mesure utilisée pour mesurer et prédire la qualité d'un modèle. Il reflète l’écart entre la valeur prédite par le modèle et la valeur réelle. Il s’agit de la partie centrale de la fonction de risque empirique et également d’un composant de la fonction de risque structurel. Fonctions de perte courantes Fonction de perte logarithmique Fonction de perte carrée Fonction de perte exponentielle Fonction de perte charnière
La sélection de fonctionnalités est le processus de sélection de sous-ensembles de fonctionnalités. Il est généralement utilisé pour construire des modèles. Ses avantages sont les suivants : Simplifier le modèle ; Réduire le temps de formation ; Améliorez la polyvalence et réduisez le surajustement. L'algorithme de sélection de fonctionnalités peut être considéré comme une combinaison de technologie de recherche et d'indice d'évaluation. Le premier fournit de nouveaux sous-ensembles de fonctionnalités candidats, et le second est utilisé pour sélectionner différents sous-ensembles de fonctionnalités.
La fonction objective fait référence à la forme de l'objectif poursuivi exprimé par les variables de conception et est une fonction des variables de conception.
L’apprentissage par renforcement (RL) est une branche importante de l’apprentissage automatique et un produit de l’intersection de plusieurs disciplines et domaines. Son essence est de résoudre le problème de prise de décision, c'est-à-dire de prendre des décisions de manière automatique et continue.
Les fonctions de notation sont les types de « scores » disponibles pour le modèle sélectionné. Par exemple, la valeur prédite d’une cible, la probabilité d’une valeur prédite ou la probabilité d’une valeur cible sélectionnée.
La décomposition en valeurs singulières (SVD) est une méthode de décomposition matricielle importante. La base de la décomposition des vecteurs propres des tableaux symétriques est l'analyse spectrale, et la décomposition des valeurs singulières est la généralisation de la théorie de l'analyse spectrale aux matrices arbitraires.
Le vote souple est également appelé vote à probabilité moyenne pondérée. Il utilise la probabilité de classe de sortie pour la méthode de vote de classification. En saisissant des poids, la moyenne pondérée de la probabilité de classe de chaque classe est obtenue et la classe avec la valeur la plus élevée sera sélectionnée.
Le clustering spectral (SC) est une méthode de clustering basée sur la théorie des graphes. Il divise un graphe non orienté pondéré en deux ou plusieurs sous-graphes optimaux, rendant les sous-graphes aussi similaires que possible et les distances entre les sous-graphes aussi éloignées que possible, afin d'atteindre l'objectif de clustering commun.
La marge dure est la base de la sélection de l'hyperplan de segmentation dans la machine à vecteurs de support. Il s'agit de la situation où la classification est totalement précise et où il n'y a pas de fonction de perte, c'est-à-dire que la valeur de perte est de 0. Il suffit de trouver le plan exactement au milieu de deux classes hétérogènes. L'opposé de la marge dure est la marge souple. La marge souple signifie autoriser une certaine quantité d’erreur de classification d’échantillon, où la fonction d’optimisation se compose de deux parties, […]
Le lissage est une méthode de traitement de données couramment utilisée.
La variable de segmentation est la variable de référence sélectionnée lors de la segmentation spatiale. Il s'agit d'un type de variable utilisé pour segmenter les problèmes de classification afin d'obtenir une classification optimale.
La machine à vecteurs de support (SVM) est une méthode d'apprentissage supervisé pour le traitement des données dans l'analyse de classification et de régression.
La maximisation des marges souples est une méthode d’optimisation qui utilise des marges souples pour trouver la solution optimale.
L’apprentissage par transfert est une méthode qui consiste à utiliser les connaissances existantes pour acquérir de nouvelles connaissances.
L'intelligence artificielle, également connue sous le nom d'intelligence artificielle, fait référence à l'intelligence affichée par les machines fabriquées par les humains. Habituellement, l’intelligence artificielle fait référence à la technologie permettant de présenter l’intelligence humaine à travers des programmes informatiques ordinaires. Thèmes de recherche Les axes de recherche actuels en intelligence artificielle ont été divisés en plusieurs sous-domaines. Les chercheurs espèrent que les systèmes d’intelligence artificielle devraient avoir certaines capacités spécifiques, […]