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 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.
Le seuil est également appelé valeur critique ou valeur seuil. Il s’agit de la valeur d’une condition requise pour provoquer un certain changement dans un objet, et c’est un terme courant dans la recherche universitaire.
La méthode des moindres carrés est une méthode d'optimisation mathématique. Il trouve la meilleure fonction correspondant aux données en minimisant la somme des erreurs au carré.
Un tenseur est une fonction multilinéaire qui peut être utilisée pour représenter des relations linéaires entre des vecteurs, des scalaires et d'autres tenseurs.
Le réseau antagoniste génératif Wasserstein présente plusieurs avantages : il résout le problème de l'instabilité de la formation GAN, sans qu'il soit nécessaire d'équilibrer soigneusement le degré de formation du générateur et du discriminateur ; Il résout fondamentalement le problème du mode Collapse et garantit la diversité des échantillons générés ; Il existe des problèmes tels que l’entropie croisée et la quasi-[…]
L'algorithme de Viterbi est un algorithme de programmation dynamique.
La dimension VC est utilisée pour mesurer la capacité d'un classificateur binaire.
Un sous-espace est également généralement appelé sous-espace linéaire ou sous-espace vectoriel, qui est un sous-ensemble d'un espace vectoriel.
L’importance de l’expression parcimonieuse réside dans la réduction de la dimensionnalité, et cette réduction de la dimensionnalité ne se limite pas à économiser de l’espace. La dépendance entre les dimensions du vecteur de caractéristiques après une expression clairsemée devient plus faible et plus indépendante.
Le dilemme stabilité-plasticité est une contrainte dans les systèmes neuronaux artificiels et biologiques.
La reconnaissance vocale est une technologie qui permet aux ordinateurs de reconnaître le langage naturel. Son objectif est de permettre aux ordinateurs de convertir le contenu de la parole humaine en texte correspondant.
Le recuit simulé est un algorithme probabiliste général qui est souvent utilisé pour trouver une solution quasi optimale dans un grand espace de recherche dans un certain laps de temps.
La mesure de similarité est utilisée pour estimer la similarité entre différents échantillons et est souvent utilisée comme critère pour les problèmes de classification.
La fonction sigmoïde est une fonction en forme de S courante, également connue sous le nom de courbe de croissance en forme de S. En raison de ses propriétés monotones croissantes et inversement croissantes, la fonction sigmoïde est souvent utilisée comme fonction de seuil dans les réseaux neuronaux pour mapper les variables entre 0 et 1.
La conduite sans pilote fait principalement référence aux voitures autonomes, également appelées voitures sans conducteur, voitures pilotées par ordinateur ou robots mobiles à roues. Il s’agit d’un type de véhicule terrestre sans pilote doté des capacités de transport des voitures traditionnelles.
Un espace de Hilbert à noyau reproducteur (RKHS) est un espace de Hilbert avec un noyau reproducteur composé de fonctions. Dans l'espace de Hilbert, « l'astuce du noyau » est utilisée pour mapper un ensemble de données dans un espace de grande dimension, qui est un espace de Hilbert à noyau reproductible.
La régularisation est le processus d'introduction d'informations supplémentaires pour résoudre des problèmes mal posés ou empêcher le surapprentissage.
L'unité linéaire rectifiée (ReLU), également connue sous le nom de fonction de rectification linéaire, est une fonction d'activation couramment utilisée dans les réseaux de neurones artificiels, faisant généralement référence aux fonctions non linéaires représentées par des fonctions de rampe et leurs variantes.
Le taux de rappel, également appelé taux de rappel, est le rapport entre le nombre d'échantillons récupérés et le nombre total d'échantillons, et mesure le taux de rappel du système de récupération.
La méthode quasi-Newton est une méthode d'optimisation basée sur la méthode de Newton. Il est principalement utilisé pour résoudre les problèmes de point zéro ou de valeur maximale et minimale d'équations non linéaires ou de fonctions continues.
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.
Le seuil est également appelé valeur critique ou valeur seuil. Il s’agit de la valeur d’une condition requise pour provoquer un certain changement dans un objet, et c’est un terme courant dans la recherche universitaire.
La méthode des moindres carrés est une méthode d'optimisation mathématique. Il trouve la meilleure fonction correspondant aux données en minimisant la somme des erreurs au carré.
Un tenseur est une fonction multilinéaire qui peut être utilisée pour représenter des relations linéaires entre des vecteurs, des scalaires et d'autres tenseurs.
Le réseau antagoniste génératif Wasserstein présente plusieurs avantages : il résout le problème de l'instabilité de la formation GAN, sans qu'il soit nécessaire d'équilibrer soigneusement le degré de formation du générateur et du discriminateur ; Il résout fondamentalement le problème du mode Collapse et garantit la diversité des échantillons générés ; Il existe des problèmes tels que l’entropie croisée et la quasi-[…]
L'algorithme de Viterbi est un algorithme de programmation dynamique.
La dimension VC est utilisée pour mesurer la capacité d'un classificateur binaire.
Un sous-espace est également généralement appelé sous-espace linéaire ou sous-espace vectoriel, qui est un sous-ensemble d'un espace vectoriel.
L’importance de l’expression parcimonieuse réside dans la réduction de la dimensionnalité, et cette réduction de la dimensionnalité ne se limite pas à économiser de l’espace. La dépendance entre les dimensions du vecteur de caractéristiques après une expression clairsemée devient plus faible et plus indépendante.
Le dilemme stabilité-plasticité est une contrainte dans les systèmes neuronaux artificiels et biologiques.
La reconnaissance vocale est une technologie qui permet aux ordinateurs de reconnaître le langage naturel. Son objectif est de permettre aux ordinateurs de convertir le contenu de la parole humaine en texte correspondant.
Le recuit simulé est un algorithme probabiliste général qui est souvent utilisé pour trouver une solution quasi optimale dans un grand espace de recherche dans un certain laps de temps.
La mesure de similarité est utilisée pour estimer la similarité entre différents échantillons et est souvent utilisée comme critère pour les problèmes de classification.
La fonction sigmoïde est une fonction en forme de S courante, également connue sous le nom de courbe de croissance en forme de S. En raison de ses propriétés monotones croissantes et inversement croissantes, la fonction sigmoïde est souvent utilisée comme fonction de seuil dans les réseaux neuronaux pour mapper les variables entre 0 et 1.
La conduite sans pilote fait principalement référence aux voitures autonomes, également appelées voitures sans conducteur, voitures pilotées par ordinateur ou robots mobiles à roues. Il s’agit d’un type de véhicule terrestre sans pilote doté des capacités de transport des voitures traditionnelles.
Un espace de Hilbert à noyau reproducteur (RKHS) est un espace de Hilbert avec un noyau reproducteur composé de fonctions. Dans l'espace de Hilbert, « l'astuce du noyau » est utilisée pour mapper un ensemble de données dans un espace de grande dimension, qui est un espace de Hilbert à noyau reproductible.
La régularisation est le processus d'introduction d'informations supplémentaires pour résoudre des problèmes mal posés ou empêcher le surapprentissage.
L'unité linéaire rectifiée (ReLU), également connue sous le nom de fonction de rectification linéaire, est une fonction d'activation couramment utilisée dans les réseaux de neurones artificiels, faisant généralement référence aux fonctions non linéaires représentées par des fonctions de rampe et leurs variantes.
Le taux de rappel, également appelé taux de rappel, est le rapport entre le nombre d'échantillons récupérés et le nombre total d'échantillons, et mesure le taux de rappel du système de récupération.
La méthode quasi-Newton est une méthode d'optimisation basée sur la méthode de Newton. Il est principalement utilisé pour résoudre les problèmes de point zéro ou de valeur maximale et minimale d'équations non linéaires ou de fonctions continues.