단위 계단 함수는 헤비사이드 계단 함수라고도 하며 다음과 같이 정의됩니다. 그래프는 다음과 같습니다. 관련 용어: 임펄스 함수

폰 노이만 구조는 프로그램 명령어 메모리와 데이터 메모리를 결합한 컴퓨터 설계 개념입니다.

2차 학습은 첫 번째 학습 결과가 이상적이지 않을 때 반복해서 학습하는 것을 말합니다.

불평등한 비용은 각 범주에서 발생한 손실에 서로 다른 비용이 할당되는 상황을 말합니다.

불포화 게임은 이론적 분석보다는 경험적 방법에서 영감을 얻습니다.

적대적 네트워크는 생성적 적대적 네트워크의 구현으로, 지정된 신경망 모델에 대해 배치 단위로 적대적 샘플을 생성하는 데 사용됩니다.

적대적 예는 신경망에 입력이 들어와서 네트워크가 잘못된 결과를 출력하는 것을 말합니다. 데이터 세트에서 입력 샘플은 의도적으로 약간의 간섭을 추가하여 형성됩니다. 간섭된 입력으로 인해 모델은 높은 신뢰도로 잘못된 출력을 제공합니다. 입력 샘플을 적대적 샘플이라고 합니다. 이러한 행동은 일반적으로 신경망 모델에 대한 적대적 공격으로 간주됩니다. […]

아핀 계층은 신경망에서 완전히 연결된 계층입니다. 아핀은 서로 다른 계층의 뉴런 간의 상호 연결로 볼 수 있으며, 여러 면에서 신경망의 "표준" 계층으로 볼 수 있습니다. 아핀 계층의 일반적인 형태는 다음과 같습니다. y = f(wx + b) 참고: x는 계층 입력이고, w는 매개변수이며, b는 바이어스입니다. […]

측정 학습은 유사성으로 생각할 수도 있습니다. 메트릭 학습은 패턴 인식의 핵심 문제 중 하나인 샘플 간의 유사성을 측정하는 것입니다. 메트릭 학습의 목표는 같은 유형의 샘플 간의 거리를 최소화하고, 다른 유형의 샘플 간의 거리를 최대화하는 것입니다.

다중 분류는 때때로 다중 분류라고도 하며, 분류 작업에서 두 개 이상의 범주를 분류하는 것을 말합니다. 기존의 다중 클래스 분류 기술은 (i) 이진화로의 변환, (ii) 이진화에서의 확장, (iii) 계층적 분류로 나눌 수 있다. 일반적인 전략 1) 일대일 전략은 고유한 […]을 만드는 것을 요구합니다.

다층 퍼셉트론(MLP)은 입력 벡터 집합을 출력 벡터 집합으로 매핑하는 피드포워드 인공 신경망입니다. 이는 여러 층의 노드로 구성된 방향 그래프로 볼 수 있으며, 각 노드는 다음 층에 완전히 연결되어 있습니다. 입력 노드 외에도 각 […]

모달리티는 사람들이 정보를 받는 구체적인 방식을 말합니다. 멀티미디어 데이터는 종종 여러 유형의 정보를 전송하는 매체입니다(예를 들어, 비디오는 종종 텍스트, 시각 및 청각 정보를 동시에 전송합니다). 따라서 다중 모드 학습은 점차 멀티미디어 콘텐츠를 분석하고 이해하는 주요 수단으로 발전했습니다. 다중 모드 학습에는 주로 다음이 포함됩니다.

일반화 오류의 상한은 일반화 오류에 허용되는 최대값을 말합니다. 이 상한을 초과하면 머신 러닝의 실현 가능성에 영향을 미칩니다. 일반화 오류는 학습 데이터 집합에서 학습 데이터 집합 밖으로 일반화하는 과정에서 발생하는 오류를 말합니다. 일반적으로 학습 세트 외부의 오차, 즉 전체 입력 공간에서 예상되는 오차에서 학습 오차를 뺀 오차가 사용됩니다. 오차의 상한이 넓기 때문에 […]

다차원 스케일링(MDS)은 객체 집합 간의 거리를 시각화하는 방법이며, 비지도 차원 축소 알고리즘으로도 사용할 수 있습니다. 고차원 상황에서 발생하는 희소한 샘플 데이터와 거리 계산의 어려움을 완화할 수 있는 차원 축소 방법입니다. 이는 주성분 분석 및 선형 차원 축소 분석과 다른 선형 차원 축소 방법입니다. […]

다중 선형 회귀 분석은 여러 변수에 대해 수행되는 선형 회귀 분석입니다. 다중 선형 회귀 분석법은 단변량 회귀 분석법과 유사하지만, 독립 변수와 매개변수가 더 많습니다. 다중 회귀의 일반적인 함수 변수 간 선형 상관 계수 cor(데이터 프레임) 산점도 행렬 scatterplotMatrix […]

오컴의 면도날은 관찰 결과와 일치하는 가설이 여러 개 있는 경우 가장 간단한 가설을 선택해야 한다고 말합니다. 오컴의 면도날은 종종 경험적 추론 기법으로 사용된다. 이는 사람들이 이론적 모델을 개발하는 데 도움이 되는 도구일 뿐이며, 이론을 판단하는 기준으로 사용할 수 없습니다.

가방 외부 추정치는 테스트에 사용된 샘플이 훈련 세트에 나타나지 않는 테스트 결과를 말합니다.

매개변수 추정은 표본 지표를 사용하여 모집단 지표를 추정하는 것을 말합니다. 구체적으로, 표본 평균은 모평균을 추정하는 데 사용되고, 표본 비율은 모평균을 추정하는 데 사용됩니다.

품사 태깅(POS 태깅)은 문장 속 단어를 분류하고 라벨을 붙이는 과정입니다. 이는 구문 구조나 언어 형태론에서 차지하는 구성 요소를 기반으로 품사 분류를 통해 각 단어에 품사 태그를 지정하는 과정입니다.

세미 나이브 베이즈 분류기는 일부 속성 간의 상호 의존성을 고려하는 분류 방법입니다. 이는 나이브 베이즈 분류기의 특징들이 상호 독립성을 충족하기 어려울 때 사용하는 완화 전략입니다.

반지도 학습은 지도 학습과 비지도 학습의 중간 단계의 학습 기법입니다. 레이블이 지정된 샘플과 레이블이 지정되지 않은 샘플을 모두 사용하여 학습합니다.

안장점은 국부적인 극점이 아닌 고정된 지점입니다.

버전 공간은 알려진 데이터 세트와 일관성을 유지하는 개념 학습의 모든 가설의 하위 집합이며 종종 콘텐츠에 수렴하는 데 사용됩니다.

단어 의미 모호성 해소(WSD)는 단어 수준에서의 의미적 모호성을 해소하는 것입니다.

단위 계단 함수는 헤비사이드 계단 함수라고도 하며 다음과 같이 정의됩니다. 그래프는 다음과 같습니다. 관련 용어: 임펄스 함수

폰 노이만 구조는 프로그램 명령어 메모리와 데이터 메모리를 결합한 컴퓨터 설계 개념입니다.

2차 학습은 첫 번째 학습 결과가 이상적이지 않을 때 반복해서 학습하는 것을 말합니다.

불평등한 비용은 각 범주에서 발생한 손실에 서로 다른 비용이 할당되는 상황을 말합니다.

불포화 게임은 이론적 분석보다는 경험적 방법에서 영감을 얻습니다.

적대적 네트워크는 생성적 적대적 네트워크의 구현으로, 지정된 신경망 모델에 대해 배치 단위로 적대적 샘플을 생성하는 데 사용됩니다.

적대적 예는 신경망에 입력이 들어와서 네트워크가 잘못된 결과를 출력하는 것을 말합니다. 데이터 세트에서 입력 샘플은 의도적으로 약간의 간섭을 추가하여 형성됩니다. 간섭된 입력으로 인해 모델은 높은 신뢰도로 잘못된 출력을 제공합니다. 입력 샘플을 적대적 샘플이라고 합니다. 이러한 행동은 일반적으로 신경망 모델에 대한 적대적 공격으로 간주됩니다. […]

아핀 계층은 신경망에서 완전히 연결된 계층입니다. 아핀은 서로 다른 계층의 뉴런 간의 상호 연결로 볼 수 있으며, 여러 면에서 신경망의 "표준" 계층으로 볼 수 있습니다. 아핀 계층의 일반적인 형태는 다음과 같습니다. y = f(wx + b) 참고: x는 계층 입력이고, w는 매개변수이며, b는 바이어스입니다. […]

측정 학습은 유사성으로 생각할 수도 있습니다. 메트릭 학습은 패턴 인식의 핵심 문제 중 하나인 샘플 간의 유사성을 측정하는 것입니다. 메트릭 학습의 목표는 같은 유형의 샘플 간의 거리를 최소화하고, 다른 유형의 샘플 간의 거리를 최대화하는 것입니다.

다중 분류는 때때로 다중 분류라고도 하며, 분류 작업에서 두 개 이상의 범주를 분류하는 것을 말합니다. 기존의 다중 클래스 분류 기술은 (i) 이진화로의 변환, (ii) 이진화에서의 확장, (iii) 계층적 분류로 나눌 수 있다. 일반적인 전략 1) 일대일 전략은 고유한 […]을 만드는 것을 요구합니다.

다층 퍼셉트론(MLP)은 입력 벡터 집합을 출력 벡터 집합으로 매핑하는 피드포워드 인공 신경망입니다. 이는 여러 층의 노드로 구성된 방향 그래프로 볼 수 있으며, 각 노드는 다음 층에 완전히 연결되어 있습니다. 입력 노드 외에도 각 […]

모달리티는 사람들이 정보를 받는 구체적인 방식을 말합니다. 멀티미디어 데이터는 종종 여러 유형의 정보를 전송하는 매체입니다(예를 들어, 비디오는 종종 텍스트, 시각 및 청각 정보를 동시에 전송합니다). 따라서 다중 모드 학습은 점차 멀티미디어 콘텐츠를 분석하고 이해하는 주요 수단으로 발전했습니다. 다중 모드 학습에는 주로 다음이 포함됩니다.

일반화 오류의 상한은 일반화 오류에 허용되는 최대값을 말합니다. 이 상한을 초과하면 머신 러닝의 실현 가능성에 영향을 미칩니다. 일반화 오류는 학습 데이터 집합에서 학습 데이터 집합 밖으로 일반화하는 과정에서 발생하는 오류를 말합니다. 일반적으로 학습 세트 외부의 오차, 즉 전체 입력 공간에서 예상되는 오차에서 학습 오차를 뺀 오차가 사용됩니다. 오차의 상한이 넓기 때문에 […]

다차원 스케일링(MDS)은 객체 집합 간의 거리를 시각화하는 방법이며, 비지도 차원 축소 알고리즘으로도 사용할 수 있습니다. 고차원 상황에서 발생하는 희소한 샘플 데이터와 거리 계산의 어려움을 완화할 수 있는 차원 축소 방법입니다. 이는 주성분 분석 및 선형 차원 축소 분석과 다른 선형 차원 축소 방법입니다. […]

다중 선형 회귀 분석은 여러 변수에 대해 수행되는 선형 회귀 분석입니다. 다중 선형 회귀 분석법은 단변량 회귀 분석법과 유사하지만, 독립 변수와 매개변수가 더 많습니다. 다중 회귀의 일반적인 함수 변수 간 선형 상관 계수 cor(데이터 프레임) 산점도 행렬 scatterplotMatrix […]

오컴의 면도날은 관찰 결과와 일치하는 가설이 여러 개 있는 경우 가장 간단한 가설을 선택해야 한다고 말합니다. 오컴의 면도날은 종종 경험적 추론 기법으로 사용된다. 이는 사람들이 이론적 모델을 개발하는 데 도움이 되는 도구일 뿐이며, 이론을 판단하는 기준으로 사용할 수 없습니다.

가방 외부 추정치는 테스트에 사용된 샘플이 훈련 세트에 나타나지 않는 테스트 결과를 말합니다.

매개변수 추정은 표본 지표를 사용하여 모집단 지표를 추정하는 것을 말합니다. 구체적으로, 표본 평균은 모평균을 추정하는 데 사용되고, 표본 비율은 모평균을 추정하는 데 사용됩니다.

품사 태깅(POS 태깅)은 문장 속 단어를 분류하고 라벨을 붙이는 과정입니다. 이는 구문 구조나 언어 형태론에서 차지하는 구성 요소를 기반으로 품사 분류를 통해 각 단어에 품사 태그를 지정하는 과정입니다.

세미 나이브 베이즈 분류기는 일부 속성 간의 상호 의존성을 고려하는 분류 방법입니다. 이는 나이브 베이즈 분류기의 특징들이 상호 독립성을 충족하기 어려울 때 사용하는 완화 전략입니다.

반지도 학습은 지도 학습과 비지도 학습의 중간 단계의 학습 기법입니다. 레이블이 지정된 샘플과 레이블이 지정되지 않은 샘플을 모두 사용하여 학습합니다.

안장점은 국부적인 극점이 아닌 고정된 지점입니다.

버전 공간은 알려진 데이터 세트와 일관성을 유지하는 개념 학습의 모든 가설의 하위 집합이며 종종 콘텐츠에 수렴하는 데 사용됩니다.

단어 의미 모호성 해소(WSD)는 단어 수준에서의 의미적 모호성을 해소하는 것입니다.