Wiki
Machine Learning Glossary: Explore definitions and explanations of key AI and ML concepts
テンソルは、いくつかのベクトル、スカラー、および他のテンソルの間の線形関係を表すために使用できる多線形関数です。
Wasserstein Generative Adversarial Network にはいくつかの利点があります。 ジェネレーターとディスクリミネーターのトレーニングの程度を慎重に調整することなく、不安定な GAN トレーニングの問題を解決します。 基本的にコラプス モードの問題を解決し、トレーニング プロセス中に生成されるサンプルの多様性を確保します。クロスエントロピー、許可などの問題があります[…]
ビタビ アルゴリズムは動的計画アルゴリズムです。
VC 次元は、バイナリ分類器の能力を測定するために使用されます。
部分空間は、一般に線形部分空間またはベクトル部分空間とも呼ばれ、ベクトル空間の部分集合です。
スパース表現の重要性は次元削減にあり、この次元削減はスペースの節約に限定されません。スパース表現後の特徴ベクトルの次元間の依存性は低くなり、より独立になります。
安定性と可塑性のジレンマは、人工および生物学的な神経システムにおける制約です。
音声認識は、コンピューターが自然言語を認識できるようにするテクノロジーです。目標は、コンピュータが人間の音声コンテンツを対応するテキストに変換することです。
シミュレーテッド アニーリングは、一定期間内に大規模な検索空間でほぼ最適な解を見つけるためによく使用される一般的な確率アルゴリズムです。
類似性測定は、異なるサンプル間の類似性の程度を推定し、分類問題の基準としてよく使用されます。
シグモイド関数は一般的な S 字関数であり、S 字成長曲線とも呼ばれます。シグモイド関数は、その単一増加と逆関数の単一増加の特性により、変数を 0 と 1 の間でマップするニューラル ネットワークのしきい値関数としてよく使用されます。
無人運転とは主に自動運転車を指し、無人車、コンピュータ駆動車、または車輪付き移動ロボットとも呼ばれます。これらは無人地上車両の一種であり、従来の車の輸送機能を備えています。
再生カーネル ヒルベルト空間 (RKHS) は、関数で構成される再生カーネルを備えたヒルベルト空間です。ヒルベルト空間では、「カーネル技術」を使用して一連のデータを高次元空間にマッピングします。この空間は再現可能なカーネル ヒルベルト空間です。
正則化は、不適切な問題を解決したり、過剰適合を防止したりするために追加情報を導入するプロセスです。
線形整流関数としても知られるリビジョン線形ユニット (ReLU) は、人工ニューラル ネットワークで一般的に使用される活性化関数であり、通常はランプ関数とその変形によって表される非線形関数を指します。
再現率は、再現率とも呼ばれ、全サンプル数に対する検索されたサンプルの数の比率であり、検索システムの再現率を測定します。
準ニュートン法は、ニュートン法に基づく最適化手法です。主に非線形方程式や連続関数のゼロ点や最大値・最小値の問題を解くために使用されます。
擬似ラベル (PL) は、ラベルのないデータに予測されたラベルを追加するモデルをトレーニングする操作です。
事前確率とは、過去の経験と分析に基づいて得られる確率を指します。通常、それは統計的な確率です。
主成分分析 (PCA) は、データセットを分析および単純化するための手法です。次元削減のアイデアを使用して、複数の指標をより少数の包括的な指標に変換します。 PCA は、特徴量を含む多変量統計分布を分析する最も簡単な方法です。
事前枝刈りは枝刈りアルゴリズムの一種です。これは、決定木が生成される前の枝刈り操作を指します。
正定行列は、すべての固有値が 0 より大きい対称行列です。
肯定的なクラスは、二値分類問題で期待されるクラスを指します。該当するカテゴリーをネガティブクラス（ポジティブクラス）といいます。
相対多数決は、一般的に言えば、少数派が多数派に従うという最も単純な投票方法です。
テンソルは、いくつかのベクトル、スカラー、および他のテンソルの間の線形関係を表すために使用できる多線形関数です。
Wasserstein Generative Adversarial Network にはいくつかの利点があります。 ジェネレーターとディスクリミネーターのトレーニングの程度を慎重に調整することなく、不安定な GAN トレーニングの問題を解決します。 基本的にコラプス モードの問題を解決し、トレーニング プロセス中に生成されるサンプルの多様性を確保します。クロスエントロピー、許可などの問題があります[…]
ビタビ アルゴリズムは動的計画アルゴリズムです。
VC 次元は、バイナリ分類器の能力を測定するために使用されます。
部分空間は、一般に線形部分空間またはベクトル部分空間とも呼ばれ、ベクトル空間の部分集合です。
スパース表現の重要性は次元削減にあり、この次元削減はスペースの節約に限定されません。スパース表現後の特徴ベクトルの次元間の依存性は低くなり、より独立になります。
安定性と可塑性のジレンマは、人工および生物学的な神経システムにおける制約です。
音声認識は、コンピューターが自然言語を認識できるようにするテクノロジーです。目標は、コンピュータが人間の音声コンテンツを対応するテキストに変換することです。
シミュレーテッド アニーリングは、一定期間内に大規模な検索空間でほぼ最適な解を見つけるためによく使用される一般的な確率アルゴリズムです。
類似性測定は、異なるサンプル間の類似性の程度を推定し、分類問題の基準としてよく使用されます。
シグモイド関数は一般的な S 字関数であり、S 字成長曲線とも呼ばれます。シグモイド関数は、その単一増加と逆関数の単一増加の特性により、変数を 0 と 1 の間でマップするニューラル ネットワークのしきい値関数としてよく使用されます。
無人運転とは主に自動運転車を指し、無人車、コンピュータ駆動車、または車輪付き移動ロボットとも呼ばれます。これらは無人地上車両の一種であり、従来の車の輸送機能を備えています。
再生カーネル ヒルベルト空間 (RKHS) は、関数で構成される再生カーネルを備えたヒルベルト空間です。ヒルベルト空間では、「カーネル技術」を使用して一連のデータを高次元空間にマッピングします。この空間は再現可能なカーネル ヒルベルト空間です。
正則化は、不適切な問題を解決したり、過剰適合を防止したりするために追加情報を導入するプロセスです。
線形整流関数としても知られるリビジョン線形ユニット (ReLU) は、人工ニューラル ネットワークで一般的に使用される活性化関数であり、通常はランプ関数とその変形によって表される非線形関数を指します。
再現率は、再現率とも呼ばれ、全サンプル数に対する検索されたサンプルの数の比率であり、検索システムの再現率を測定します。
準ニュートン法は、ニュートン法に基づく最適化手法です。主に非線形方程式や連続関数のゼロ点や最大値・最小値の問題を解くために使用されます。
擬似ラベル (PL) は、ラベルのないデータに予測されたラベルを追加するモデルをトレーニングする操作です。
事前確率とは、過去の経験と分析に基づいて得られる確率を指します。通常、それは統計的な確率です。
主成分分析 (PCA) は、データセットを分析および単純化するための手法です。次元削減のアイデアを使用して、複数の指標をより少数の包括的な指標に変換します。 PCA は、特徴量を含む多変量統計分布を分析する最も簡単な方法です。
事前枝刈りは枝刈りアルゴリズムの一種です。これは、決定木が生成される前の枝刈り操作を指します。
正定行列は、すべての固有値が 0 より大きい対称行列です。
肯定的なクラスは、二値分類問題で期待されるクラスを指します。該当するカテゴリーをネガティブクラス（ポジティブクラス）といいます。
相対多数決は、一般的に言えば、少数派が多数派に従うという最も単純な投票方法です。