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
Un ordinateur quantique est un appareil qui utilise la logique quantique pour effectuer des calculs à usage général. Il s’agit d’une forme d’implémentation spécifique de l’informatique quantique.
Le réseau de neurones quantiques (QNN) est un réseau composé de plusieurs neurones quantiques selon une certaine structure topologique.
La robustesse fait référence à la capacité d'un système informatique à gérer les erreurs lors de l'exécution et à la capacité d'un algorithme à continuer à fonctionner normalement lorsqu'il rencontre des anomalies telles que la saisie et le calcul.
L'apprentissage supervisé est une méthode d'apprentissage automatique dans laquelle la sortie est liée à l'entrée. Un modèle peut être appris ou établi à partir des données de formation et de nouvelles instances peuvent être déduites sur la base de ce modèle.
Le risque structurel est un compromis entre le risque empirique et le risque attendu. Un terme de régularisation (terme de pénalité) est ajouté après la fonction de risque empirique pour obtenir le risque structurel.
La minimisation des risques structurels (SRM) est un principe inductif de l’apprentissage automatique. Il est souvent utilisé comme stratégie pour éviter le surapprentissage.
Une fonction de compression est une fonction qui compresse une plus grande plage d'entrées dans une plage plus petite. Souvent utilisé comme fonction d'activation.
Le vote pondéré est une méthode de vote qui prend en compte les pondérations.
L'analyse des composants les plus proches (NCA) est une méthode d'apprentissage de mesure de distance associée à KNN (K Nearest Neighbors) et est une méthode d'apprentissage supervisé. Cette théorie a été proposée pour la première fois par Goldberger et al. en 2004.
La matrice de dispersion intra-classe représente la dispersion de chaque point d'échantillon autour de la moyenne.
La compréhensibilité fait référence à la facilité avec laquelle quelque chose est compris, principalement à la facilité avec laquelle les lecteurs peuvent le comprendre.
La détection de polarité est le processus de classification de la polarité des sentiments d'un texte en langage naturel.
Une fonction d'activation est un principe dynamique couramment utilisé dans les modèles de réseaux neuronaux qui définit comment un neurone modifie sa valeur d'activation en fonction de l'activité d'autres neurones. La fonction d'activation générale dépend des poids dans le réseau, ce qui peut introduire des facteurs non linéaires et est généralement utilisée pour résoudre des problèmes qui ne peuvent pas être résolus par des équations linéaires.
Un arbre d'analyse, également appelé arbre syntaxique concret, est une représentation des résultats d'une analyse syntaxique, qui représente la structure grammaticale d'une langue sous forme d'arbre.
La structure est une méthode d'affichage d'un diagramme de topologie de réseau neuronal, couramment utilisée dans le domaine des réseaux neuronaux. Dans un réseau neuronal, les variables peuvent être les poids et les valeurs d'activation des connexions neuronales.
Le gradient analytique fait référence à l’utilisation de la rétropropagation dans les algorithmes de réseaux neuronaux pour calculer le gradient de la fonction objective par rapport à chaque paramètre.
L'approximation ou l'approximation signifie qu'une chose est semblable à une autre chose, mais pas exactement la même.
Le calcul bayésien approximatif (ABC) est une méthode de calcul basée sur les statistiques bayésiennes qui peut être utilisée pour estimer la distribution postérieure des paramètres du modèle.
Les méthodes d’inférence approximative font référence à l’échantillonnage et à l’apprentissage à partir d’une grande quantité de données et à l’utilisation d’une logique de vérification d’hypothèses pour approcher en permanence le véritable modèle.
En mathématiques, une matrice de distance est une matrice (c'est-à-dire un tableau à deux dimensions) contenant les distances entre des paires de points.
Plug and Play Generative Network (PPGN) est un modèle proposé par Nguyen et al. en 2016.
L'attribut de nom de colonne fait référence à la fonctionnalité « liée au nom » des données, et la valeur correspondante est le nom d'un symbole ou d'une chose.
La rétropropagation des erreurs cumulatives est un algorithme de réseau neuronal qui adopte une stratégie basée sur la descente de gradient pour ajuster les paramètres dans la direction du gradient négatif de la cible, dans le but de minimiser l'erreur d'apprentissage. Également connu sous le nom d'« algorithme de rétropropagation » ou « algorithme BP » en abrégé
Le regroupement d’échantillons liés est généralement utilisé pour l’apprentissage non supervisé. Une fois tous les échantillons regroupés, les chercheurs peuvent ensuite éventuellement attribuer une signification à chaque groupe. Il existe de nombreux algorithmes de clustering, par exemple l'algorithme k-means regroupe les échantillons en fonction de leur proximité avec le centroïde, comme indiqué ci-dessous : Après cela, les chercheurs peuvent […]
Un ordinateur quantique est un appareil qui utilise la logique quantique pour effectuer des calculs à usage général. Il s’agit d’une forme d’implémentation spécifique de l’informatique quantique.
Le réseau de neurones quantiques (QNN) est un réseau composé de plusieurs neurones quantiques selon une certaine structure topologique.
La robustesse fait référence à la capacité d'un système informatique à gérer les erreurs lors de l'exécution et à la capacité d'un algorithme à continuer à fonctionner normalement lorsqu'il rencontre des anomalies telles que la saisie et le calcul.
L'apprentissage supervisé est une méthode d'apprentissage automatique dans laquelle la sortie est liée à l'entrée. Un modèle peut être appris ou établi à partir des données de formation et de nouvelles instances peuvent être déduites sur la base de ce modèle.
Le risque structurel est un compromis entre le risque empirique et le risque attendu. Un terme de régularisation (terme de pénalité) est ajouté après la fonction de risque empirique pour obtenir le risque structurel.
La minimisation des risques structurels (SRM) est un principe inductif de l’apprentissage automatique. Il est souvent utilisé comme stratégie pour éviter le surapprentissage.
Une fonction de compression est une fonction qui compresse une plus grande plage d'entrées dans une plage plus petite. Souvent utilisé comme fonction d'activation.
Le vote pondéré est une méthode de vote qui prend en compte les pondérations.
L'analyse des composants les plus proches (NCA) est une méthode d'apprentissage de mesure de distance associée à KNN (K Nearest Neighbors) et est une méthode d'apprentissage supervisé. Cette théorie a été proposée pour la première fois par Goldberger et al. en 2004.
La matrice de dispersion intra-classe représente la dispersion de chaque point d'échantillon autour de la moyenne.
La compréhensibilité fait référence à la facilité avec laquelle quelque chose est compris, principalement à la facilité avec laquelle les lecteurs peuvent le comprendre.
La détection de polarité est le processus de classification de la polarité des sentiments d'un texte en langage naturel.
Une fonction d'activation est un principe dynamique couramment utilisé dans les modèles de réseaux neuronaux qui définit comment un neurone modifie sa valeur d'activation en fonction de l'activité d'autres neurones. La fonction d'activation générale dépend des poids dans le réseau, ce qui peut introduire des facteurs non linéaires et est généralement utilisée pour résoudre des problèmes qui ne peuvent pas être résolus par des équations linéaires.
Un arbre d'analyse, également appelé arbre syntaxique concret, est une représentation des résultats d'une analyse syntaxique, qui représente la structure grammaticale d'une langue sous forme d'arbre.
La structure est une méthode d'affichage d'un diagramme de topologie de réseau neuronal, couramment utilisée dans le domaine des réseaux neuronaux. Dans un réseau neuronal, les variables peuvent être les poids et les valeurs d'activation des connexions neuronales.
Le gradient analytique fait référence à l’utilisation de la rétropropagation dans les algorithmes de réseaux neuronaux pour calculer le gradient de la fonction objective par rapport à chaque paramètre.
L'approximation ou l'approximation signifie qu'une chose est semblable à une autre chose, mais pas exactement la même.
Le calcul bayésien approximatif (ABC) est une méthode de calcul basée sur les statistiques bayésiennes qui peut être utilisée pour estimer la distribution postérieure des paramètres du modèle.
Les méthodes d’inférence approximative font référence à l’échantillonnage et à l’apprentissage à partir d’une grande quantité de données et à l’utilisation d’une logique de vérification d’hypothèses pour approcher en permanence le véritable modèle.
En mathématiques, une matrice de distance est une matrice (c'est-à-dire un tableau à deux dimensions) contenant les distances entre des paires de points.
Plug and Play Generative Network (PPGN) est un modèle proposé par Nguyen et al. en 2016.
L'attribut de nom de colonne fait référence à la fonctionnalité « liée au nom » des données, et la valeur correspondante est le nom d'un symbole ou d'une chose.
La rétropropagation des erreurs cumulatives est un algorithme de réseau neuronal qui adopte une stratégie basée sur la descente de gradient pour ajuster les paramètres dans la direction du gradient négatif de la cible, dans le but de minimiser l'erreur d'apprentissage. Également connu sous le nom d'« algorithme de rétropropagation » ou « algorithme BP » en abrégé
Le regroupement d’échantillons liés est généralement utilisé pour l’apprentissage non supervisé. Une fois tous les échantillons regroupés, les chercheurs peuvent ensuite éventuellement attribuer une signification à chaque groupe. Il existe de nombreux algorithmes de clustering, par exemple l'algorithme k-means regroupe les échantillons en fonction de leur proximité avec le centroïde, comme indiqué ci-dessous : Après cela, les chercheurs peuvent […]