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
Search for a command to run...
Glossaire du Machine Learning : Explorez les définitions et explications des concepts clés de l'IA et du ML
Search for a command to run...
Glossaire du Machine Learning : Explorez les définitions et explications des concepts clés de l'IA et du ML
Le réseau résiduel (ResNet) est basé sur un réseau simple, avec des connexions de raccourci insérées pour convertir le réseau dans sa version résiduelle correspondante. Le réseau résiduel ne correspond pas directement à la cible, mais correspond au résidu.
Le théorème de représentation est un théorème d'apprentissage statistique qui stipule que le minimum d'une fonction de risque régularisée définie sur un espace de Hilbert à noyau reproducteur peut être représenté comme une combinaison linéaire des points d'entrée dans l'ensemble d'apprentissage.
La machine à vecteurs de support semi-supervisée (S3VM) est une généralisation de la machine à vecteurs de support dans l'apprentissage semi-supervisé.
L'intégration de mots est un terme général pour les modèles de langage et les techniques d'apprentissage de représentation dans le traitement du langage naturel (TAL).
La désambiguïsation du sens des mots (WSD) est une désambiguïsation sémantique au niveau du mot. Il s’agit d’un problème ouvert dans le traitement du langage naturel et l’ontologie. L’ambiguïté et la désambiguïsation sont les problèmes fondamentaux de la compréhension du langage naturel. Aux niveaux du sens des mots, du sens des phrases et du sens des paragraphes, il y aura des phénomènes dans lesquels la sémantique du langage diffère selon le contexte. La désambiguïsation fait référence au processus de détermination de la sémantique d’un objet en fonction du contexte.
La tokenisation, également connue sous le nom d'analyse lexicale, est le processus de conversion de caractères (par exemple, dans un programme informatique ou une page Web) en jetons (chaînes de caractères avec des significations attribuées et donc identifiées).
L'inférence variationnelle utilise une distribution connue pour l'ajuster afin de l'adapter à la distribution dont nous avons besoin, mais elle est difficile à exprimer dans une formule.
Un modèle de référence est un modèle utilisé comme référence et comparaison. Dans la définition de l'Organisation pour la promotion des normes d'information structurée, il est utilisé pour comprendre les relations importantes entre les entités dans un environnement donné et pour développer un cadre général de normes ou de spécifications pour soutenir cet environnement. Résumé du concept : Les modèles de référence sont utilisés pour fournir des informations sur un environnement et pour décrire […]
La méthode de repondération signifie qu'à chaque tour du processus de formation, un poids est réattribué à chaque échantillon de formation en fonction de la distribution de l'échantillon.
La distribution marginale fait référence à la distribution de probabilité de certaines variables seulement parmi les variables aléatoires multidimensionnelles en théorie des probabilités et en statistique. Définitions Supposons qu'il existe une distribution de probabilité associée à deux variables : $latex P(x, y) $ La distribution marginale par rapport à l'une des variables est alors la distribution de probabilité conditionnelle étant donné les autres variables : $lat […]
La marginalisation est une méthode permettant de découvrir une variable en fonction d’une autre variable. Il détermine la contribution marginale d'une autre variable en additionnant les valeurs possibles de la variable. Cette définition est relativement abstraite et est décrite ci-dessous à l’aide de cas pertinents. En supposant que nous ayons besoin de connaître l’impact de la météo sur l’indice de bonheur, nous pouvons utiliser P (bonheur | météo) pour le représenter, c’est-à-dire, étant donné le type de météo […]
Le clustering hiérarchique est un ensemble d'algorithmes qui forment des clusters imbriqués en fusionnant continuellement de bas en haut ou en divisant continuellement de haut en bas. Cette classe hiérarchique est représentée par un « dendrogramme », et l'algorithme de clustering agglomératif en fait partie. Le clustering hiérarchique tente de regrouper les données à différents « niveaux » […]
La théorie des jeux, également connue sous le nom de théorie de la stratégie, théorie des tournois, etc., n'est pas seulement une nouvelle branche des mathématiques modernes, mais également une discipline importante de la recherche opérationnelle. La recherche principale porte sur l'interaction entre les structures d'incitation, qui prend en compte les comportements prédits et réels des individus dans le jeu et étudie les stratégies d'optimisation associées. Le comportement de jeu fait référence à un comportement de nature compétitive ou conflictuelle. Dans un tel comportement […]
La machine d'apprentissage extrême est un modèle de réseau neuronal dans le domaine de l'apprentissage automatique, qui peut être utilisé pour résoudre des réseaux neuronaux à propagation directe à couche cachée unique. Contrairement aux réseaux neuronaux à propagation directe traditionnels (tels que les réseaux neuronaux BP) qui nécessitent la définition manuelle d'un grand nombre de paramètres d'entraînement, l'algorithme d'apprentissage extrême n'a besoin que de définir la structure du réseau sans définir d'autres paramètres, il est donc simple et facile à […]
Le taux d’erreur fait référence à la proportion d’erreurs de prédiction dans la prédiction. La formule de calcul est généralement : 1 – Précision (%) Le modèle formé peut généralement être utilisé pour mesurer le taux d’erreur d’un modèle dans un ensemble de données. Trois nombres sont importants : Erreur optimale de Bayes : L’erreur idéale […]
La précision est une mesure utilisée dans la recherche d’informations et la classification statistique. Fait référence au rapport entre les échantillons corrects extraits et le nombre d'échantillons extraits.
L'apprentissage de la représentation, également connu sous le nom d'apprentissage de représentation, est l'utilisation de la technologie d'apprentissage automatique pour obtenir automatiquement l'expression vectorisée de chaque entité ou relation, afin qu'il soit plus facile d'extraire des informations utiles lors de la création de classificateurs ou d'autres variables prédictives.
Le rééchantillonnage consiste à extraire des échantillons répétés de l’échantillon de données d’origine. Il s’agit d’une méthode non paramétrique d’inférence statistique. Autrement dit, le rééchantillonnage n’utilise pas la distribution commune pour approximer la valeur de probabilité p.
La cartographie résiduelle est la relation correspondante sur la base de laquelle le réseau résiduel est construit. Sa forme courante est H ( x ) = F ( x ) + x , où F ( x ) est la fonction résiduelle.
Le pooling, également appelé pooling spatial, est une méthode utilisée pour extraire des caractéristiques dans les réseaux neuronaux convolutifs.
La vision par ordinateur est une science qui étudie comment faire « voir » les machines. Plus précisément, il s’agit d’utiliser des caméras et des ordinateurs pour remplacer les yeux humains afin d’identifier, de suivre et de mesurer des cibles, et d’utiliser des ordinateurs pour traiter des images en images plus adaptées à l’observation par l’œil humain ou à la transmission à des instruments de détection. Définition La vision par ordinateur est l’utilisation d’ordinateurs et de […]
La linguistique computationnelle est une discipline qui utilise des modèles mathématiques pour analyser et traiter les langues naturelles, et utilise des programmes sur ordinateur pour mettre en œuvre le processus d'analyse et de traitement, atteignant ainsi l'objectif d'utiliser des machines pour simuler une partie ou la totalité des capacités linguistiques d'une personne. Contenu de base La linguistique computationnelle peut être divisée en trois catégories suivantes selon la nature et la complexité de son travail : Édition automatique : […]
La décomposition propre est une méthode de décomposition d'une matrice en produit de matrices représentées par des valeurs propres et des vecteurs propres, mais seules les matrices diagonalisables peuvent effectuer une décomposition propre. La valeur propre peut être considérée comme le rapport d'échelle de la longueur du vecteur propre sous transformation linéaire. Si la valeur propre est positive, cela signifie que $latex v $ a été transformé linéairement […]
Définition de la rétropropagation La rétropropagation, abréviation de « rétropropagation d'erreur », est une méthode courante utilisée en conjonction avec des méthodes d'optimisation pour former des réseaux de neurones artificiels. Cette méthode calcule le gradient de la fonction de perte pour tous les poids du réseau. Ce gradient est renvoyé à la méthode d’optimisation pour mettre à jour les poids afin de minimiser la fonction de perte. […]
Le réseau résiduel (ResNet) est basé sur un réseau simple, avec des connexions de raccourci insérées pour convertir le réseau dans sa version résiduelle correspondante. Le réseau résiduel ne correspond pas directement à la cible, mais correspond au résidu.
Le théorème de représentation est un théorème d'apprentissage statistique qui stipule que le minimum d'une fonction de risque régularisée définie sur un espace de Hilbert à noyau reproducteur peut être représenté comme une combinaison linéaire des points d'entrée dans l'ensemble d'apprentissage.
La machine à vecteurs de support semi-supervisée (S3VM) est une généralisation de la machine à vecteurs de support dans l'apprentissage semi-supervisé.
L'intégration de mots est un terme général pour les modèles de langage et les techniques d'apprentissage de représentation dans le traitement du langage naturel (TAL).
La désambiguïsation du sens des mots (WSD) est une désambiguïsation sémantique au niveau du mot. Il s’agit d’un problème ouvert dans le traitement du langage naturel et l’ontologie. L’ambiguïté et la désambiguïsation sont les problèmes fondamentaux de la compréhension du langage naturel. Aux niveaux du sens des mots, du sens des phrases et du sens des paragraphes, il y aura des phénomènes dans lesquels la sémantique du langage diffère selon le contexte. La désambiguïsation fait référence au processus de détermination de la sémantique d’un objet en fonction du contexte.
La tokenisation, également connue sous le nom d'analyse lexicale, est le processus de conversion de caractères (par exemple, dans un programme informatique ou une page Web) en jetons (chaînes de caractères avec des significations attribuées et donc identifiées).
L'inférence variationnelle utilise une distribution connue pour l'ajuster afin de l'adapter à la distribution dont nous avons besoin, mais elle est difficile à exprimer dans une formule.
Un modèle de référence est un modèle utilisé comme référence et comparaison. Dans la définition de l'Organisation pour la promotion des normes d'information structurée, il est utilisé pour comprendre les relations importantes entre les entités dans un environnement donné et pour développer un cadre général de normes ou de spécifications pour soutenir cet environnement. Résumé du concept : Les modèles de référence sont utilisés pour fournir des informations sur un environnement et pour décrire […]
La méthode de repondération signifie qu'à chaque tour du processus de formation, un poids est réattribué à chaque échantillon de formation en fonction de la distribution de l'échantillon.
La distribution marginale fait référence à la distribution de probabilité de certaines variables seulement parmi les variables aléatoires multidimensionnelles en théorie des probabilités et en statistique. Définitions Supposons qu'il existe une distribution de probabilité associée à deux variables : $latex P(x, y) $ La distribution marginale par rapport à l'une des variables est alors la distribution de probabilité conditionnelle étant donné les autres variables : $lat […]
La marginalisation est une méthode permettant de découvrir une variable en fonction d’une autre variable. Il détermine la contribution marginale d'une autre variable en additionnant les valeurs possibles de la variable. Cette définition est relativement abstraite et est décrite ci-dessous à l’aide de cas pertinents. En supposant que nous ayons besoin de connaître l’impact de la météo sur l’indice de bonheur, nous pouvons utiliser P (bonheur | météo) pour le représenter, c’est-à-dire, étant donné le type de météo […]
Le clustering hiérarchique est un ensemble d'algorithmes qui forment des clusters imbriqués en fusionnant continuellement de bas en haut ou en divisant continuellement de haut en bas. Cette classe hiérarchique est représentée par un « dendrogramme », et l'algorithme de clustering agglomératif en fait partie. Le clustering hiérarchique tente de regrouper les données à différents « niveaux » […]
La théorie des jeux, également connue sous le nom de théorie de la stratégie, théorie des tournois, etc., n'est pas seulement une nouvelle branche des mathématiques modernes, mais également une discipline importante de la recherche opérationnelle. La recherche principale porte sur l'interaction entre les structures d'incitation, qui prend en compte les comportements prédits et réels des individus dans le jeu et étudie les stratégies d'optimisation associées. Le comportement de jeu fait référence à un comportement de nature compétitive ou conflictuelle. Dans un tel comportement […]
La machine d'apprentissage extrême est un modèle de réseau neuronal dans le domaine de l'apprentissage automatique, qui peut être utilisé pour résoudre des réseaux neuronaux à propagation directe à couche cachée unique. Contrairement aux réseaux neuronaux à propagation directe traditionnels (tels que les réseaux neuronaux BP) qui nécessitent la définition manuelle d'un grand nombre de paramètres d'entraînement, l'algorithme d'apprentissage extrême n'a besoin que de définir la structure du réseau sans définir d'autres paramètres, il est donc simple et facile à […]
Le taux d’erreur fait référence à la proportion d’erreurs de prédiction dans la prédiction. La formule de calcul est généralement : 1 – Précision (%) Le modèle formé peut généralement être utilisé pour mesurer le taux d’erreur d’un modèle dans un ensemble de données. Trois nombres sont importants : Erreur optimale de Bayes : L’erreur idéale […]
La précision est une mesure utilisée dans la recherche d’informations et la classification statistique. Fait référence au rapport entre les échantillons corrects extraits et le nombre d'échantillons extraits.
L'apprentissage de la représentation, également connu sous le nom d'apprentissage de représentation, est l'utilisation de la technologie d'apprentissage automatique pour obtenir automatiquement l'expression vectorisée de chaque entité ou relation, afin qu'il soit plus facile d'extraire des informations utiles lors de la création de classificateurs ou d'autres variables prédictives.
Le rééchantillonnage consiste à extraire des échantillons répétés de l’échantillon de données d’origine. Il s’agit d’une méthode non paramétrique d’inférence statistique. Autrement dit, le rééchantillonnage n’utilise pas la distribution commune pour approximer la valeur de probabilité p.
La cartographie résiduelle est la relation correspondante sur la base de laquelle le réseau résiduel est construit. Sa forme courante est H ( x ) = F ( x ) + x , où F ( x ) est la fonction résiduelle.
Le pooling, également appelé pooling spatial, est une méthode utilisée pour extraire des caractéristiques dans les réseaux neuronaux convolutifs.
La vision par ordinateur est une science qui étudie comment faire « voir » les machines. Plus précisément, il s’agit d’utiliser des caméras et des ordinateurs pour remplacer les yeux humains afin d’identifier, de suivre et de mesurer des cibles, et d’utiliser des ordinateurs pour traiter des images en images plus adaptées à l’observation par l’œil humain ou à la transmission à des instruments de détection. Définition La vision par ordinateur est l’utilisation d’ordinateurs et de […]
La linguistique computationnelle est une discipline qui utilise des modèles mathématiques pour analyser et traiter les langues naturelles, et utilise des programmes sur ordinateur pour mettre en œuvre le processus d'analyse et de traitement, atteignant ainsi l'objectif d'utiliser des machines pour simuler une partie ou la totalité des capacités linguistiques d'une personne. Contenu de base La linguistique computationnelle peut être divisée en trois catégories suivantes selon la nature et la complexité de son travail : Édition automatique : […]
La décomposition propre est une méthode de décomposition d'une matrice en produit de matrices représentées par des valeurs propres et des vecteurs propres, mais seules les matrices diagonalisables peuvent effectuer une décomposition propre. La valeur propre peut être considérée comme le rapport d'échelle de la longueur du vecteur propre sous transformation linéaire. Si la valeur propre est positive, cela signifie que $latex v $ a été transformé linéairement […]
Définition de la rétropropagation La rétropropagation, abréviation de « rétropropagation d'erreur », est une méthode courante utilisée en conjonction avec des méthodes d'optimisation pour former des réseaux de neurones artificiels. Cette méthode calcule le gradient de la fonction de perte pour tous les poids du réseau. Ce gradient est renvoyé à la méthode d’optimisation pour mettre à jour les poids afin de minimiser la fonction de perte. […]