Command Palette
Search for a command to run...
Wiki
Machine Learning Glossary: Explore definitions and explanations of key AI and ML concepts
L'élagage alpha-bêta est un algorithme de recherche utilisé pour réduire le nombre de nœuds dans l'arbre de recherche Minimax.
La théorie de la résonance adaptative (ART en abrégé) fait référence à un modèle théorique qui stipule que lorsqu'il y a interaction entre un réseau neuronal et l'environnement, l'encodage des informations environnementales se produit spontanément dans le réseau neuronal, et le réseau peut s'auto-organiser pour générer l'encodage des connaissances environnementales.
Les circuits intégrés spécifiques à une application, ou ASIC en abrégé, sont des circuits intégrés dotés de spécifications spéciales qui sont personnalisées en fonction des différentes exigences du produit ; au contraire, les circuits intégrés non personnalisés sont des produits standardisés spécifiques à une application (ASSP).
Un agent intelligent fait référence à une entité logicielle ou matérielle capable d’agir de manière autonome. Il a été traduit par « agent », « agent », « sujet intelligent », etc.
La méthode d'échantillonnage originale est une méthode d'échantillonnage de base pour les modèles de graphes orientés, qui fait référence à la génération d'échantillons à partir de la distribution conjointe représentée par le modèle, également connue sous le nom de méthode d'échantillonnage ancestrale.
La détection d'anomalies consiste à trouver des objets différents de la plupart des objets, ce qui revient en fait à trouver des valeurs aberrantes. La détection d’anomalies est parfois également appelée détection d’écart. Les objets anormaux sont relativement rares.
Une règle d’apprentissage est un concept dans les modèles de réseaux neuronaux qui représente la manière dont les poids du réseau s’ajustent au fil du temps. Ceci est généralement considéré comme une règle cinétique à longue échelle de temps.
L'algorithme acteur-critique est un algorithme d'apprentissage par renforcement qui combine un réseau de politiques et une fonction de valeur. Il calcule la probabilité d'entreprendre diverses actions dans différents états grâce aux informations de récompense et de punition des résultats. Également connu sous le nom d'algorithme AC.
La tâche du modèle acoustique est de calculer P(O|W), qui est la probabilité de générer une forme d'onde vocale pour le modèle. Le modèle acoustique est l’un des éléments les plus importants du système de reconnaissance vocale. Il représente la majeure partie de la charge de calcul de la reconnaissance vocale et détermine les performances du système de reconnaissance vocale.
L'algorithme de débit binaire adaptatif est une technologie de transmission vidéo qui ajuste automatiquement le débit binaire du média en streaming. Les facteurs d’ajustement dépendent principalement des conditions du réseau ou du délai du client.
L'unité de traitement des tenseurs (TPU) est un circuit intégré à usage spécifique développé spécifiquement pour l'apprentissage automatique.
Les arbres de décision obliques sont également appelés arbres de décision multivariés. Il s’agit d’un arbre de décision dans lequel les nœuds utilisent des expressions linéaires de plusieurs attributs comme critères d’évaluation.
Les attributs non ordonnés sont des attributs qui ne peuvent pas être organisés dans l’ordre.
La propriété d'isométrie restreinte (RIP) est une propriété utilisée pour décrire la relation entre des matrices presque orthogonales lors du traitement de problèmes tels que les vecteurs clairsemés.
Les exemples de formation font référence aux instances marquées pour la formation au cours du processus de formation.
L'expansion du vecteur de support est l'expansion de la fonction noyau de la solution optimale du modèle à travers les échantillons d'apprentissage.
La parcimonie fait référence à une situation dans laquelle la proportion d’éléments 0 est importante.
La fonction caractéristique d'état est une fonction caractéristique définie sur le nœud et dépend de la position actuelle.
Le taux de prédiction réelle (TPR) est le rapport entre le nombre de prédictions d'échantillons positifs et le nombre réel d'échantillons positifs.
La vraie classe fait référence aux échantillons qui sont correctement jugés comme la classe positive dans le problème de classification binaire.
Les vrais négatifs (VN) font référence aux échantillons qui sont correctement jugés comme négatifs dans un problème de classification binaire.
L'apprentissage transductif est une méthode de prédiction d'échantillons de test spécifiques en observant des échantillons d'entraînement spécifiques.
Le mouvement de seuil fait référence à l’ajustement du seuil de classification des catégories en fonction des conditions réelles. Il est souvent utilisé pour résoudre le problème du déséquilibre des classes.
L'unité logique de seuil (TLU) est l'unité de base du réseau neuronal.
L'élagage alpha-bêta est un algorithme de recherche utilisé pour réduire le nombre de nœuds dans l'arbre de recherche Minimax.
La théorie de la résonance adaptative (ART en abrégé) fait référence à un modèle théorique qui stipule que lorsqu'il y a interaction entre un réseau neuronal et l'environnement, l'encodage des informations environnementales se produit spontanément dans le réseau neuronal, et le réseau peut s'auto-organiser pour générer l'encodage des connaissances environnementales.
Les circuits intégrés spécifiques à une application, ou ASIC en abrégé, sont des circuits intégrés dotés de spécifications spéciales qui sont personnalisées en fonction des différentes exigences du produit ; au contraire, les circuits intégrés non personnalisés sont des produits standardisés spécifiques à une application (ASSP).
Un agent intelligent fait référence à une entité logicielle ou matérielle capable d’agir de manière autonome. Il a été traduit par « agent », « agent », « sujet intelligent », etc.
La méthode d'échantillonnage originale est une méthode d'échantillonnage de base pour les modèles de graphes orientés, qui fait référence à la génération d'échantillons à partir de la distribution conjointe représentée par le modèle, également connue sous le nom de méthode d'échantillonnage ancestrale.
La détection d'anomalies consiste à trouver des objets différents de la plupart des objets, ce qui revient en fait à trouver des valeurs aberrantes. La détection d’anomalies est parfois également appelée détection d’écart. Les objets anormaux sont relativement rares.
Une règle d’apprentissage est un concept dans les modèles de réseaux neuronaux qui représente la manière dont les poids du réseau s’ajustent au fil du temps. Ceci est généralement considéré comme une règle cinétique à longue échelle de temps.
L'algorithme acteur-critique est un algorithme d'apprentissage par renforcement qui combine un réseau de politiques et une fonction de valeur. Il calcule la probabilité d'entreprendre diverses actions dans différents états grâce aux informations de récompense et de punition des résultats. Également connu sous le nom d'algorithme AC.
La tâche du modèle acoustique est de calculer P(O|W), qui est la probabilité de générer une forme d'onde vocale pour le modèle. Le modèle acoustique est l’un des éléments les plus importants du système de reconnaissance vocale. Il représente la majeure partie de la charge de calcul de la reconnaissance vocale et détermine les performances du système de reconnaissance vocale.
L'algorithme de débit binaire adaptatif est une technologie de transmission vidéo qui ajuste automatiquement le débit binaire du média en streaming. Les facteurs d’ajustement dépendent principalement des conditions du réseau ou du délai du client.
L'unité de traitement des tenseurs (TPU) est un circuit intégré à usage spécifique développé spécifiquement pour l'apprentissage automatique.
Les arbres de décision obliques sont également appelés arbres de décision multivariés. Il s’agit d’un arbre de décision dans lequel les nœuds utilisent des expressions linéaires de plusieurs attributs comme critères d’évaluation.
Les attributs non ordonnés sont des attributs qui ne peuvent pas être organisés dans l’ordre.
La propriété d'isométrie restreinte (RIP) est une propriété utilisée pour décrire la relation entre des matrices presque orthogonales lors du traitement de problèmes tels que les vecteurs clairsemés.
Les exemples de formation font référence aux instances marquées pour la formation au cours du processus de formation.
L'expansion du vecteur de support est l'expansion de la fonction noyau de la solution optimale du modèle à travers les échantillons d'apprentissage.
La parcimonie fait référence à une situation dans laquelle la proportion d’éléments 0 est importante.
La fonction caractéristique d'état est une fonction caractéristique définie sur le nœud et dépend de la position actuelle.
Le taux de prédiction réelle (TPR) est le rapport entre le nombre de prédictions d'échantillons positifs et le nombre réel d'échantillons positifs.
La vraie classe fait référence aux échantillons qui sont correctement jugés comme la classe positive dans le problème de classification binaire.
Les vrais négatifs (VN) font référence aux échantillons qui sont correctement jugés comme négatifs dans un problème de classification binaire.
L'apprentissage transductif est une méthode de prédiction d'échantillons de test spécifiques en observant des échantillons d'entraînement spécifiques.
Le mouvement de seuil fait référence à l’ajustement du seuil de classification des catégories en fonction des conditions réelles. Il est souvent utilisé pour résoudre le problème du déséquilibre des classes.
L'unité logique de seuil (TLU) est l'unité de base du réseau neuronal.