잔여 네트워크(ResNet)는 간단한 네트워크를 기반으로 하며, 네트워크를 해당 잔여 버전으로 변환하기 위해 바로가기 연결을 삽입했습니다. 잔여 네트워크는 대상에 직접 맞지 않지만, 잔여에 맞습니다.

표현 정리는 통계적 학습의 정리로, 재생 커널 힐베르트 공간에서 정의된 정규화된 위험 함수의 최소값은 학습 세트의 입력 점들의 선형 조합으로 표현될 수 있다는 것을 나타냅니다.

반지도 지원 벡터 머신(S3VM)은 반지도 학습에서 지원 벡터 머신의 일반화입니다.

단어 임베딩은 자연어 처리(NLP)에서 언어 모델과 표현 학습 기술을 통칭하는 용어입니다.

단어 의미 모호성 해소(WSD)는 단어 수준에서의 의미적 모호성을 해소하는 것입니다. 이는 자연어 처리와 온톨로지의 미해결 문제입니다. 모호성과 명확성은 자연어 이해의 핵심 문제입니다. 단어의 의미, 문장의 의미, 문단의 의미 수준에서는 언어의 의미가 맥락에 따라 달라지는 현상이 있을 것입니다. 모호성 해소는 맥락에 기반하여 객체의 의미를 결정하는 과정을 말합니다.

토큰화는 어휘 분석이라고도 하며, 문자(예를 들어 컴퓨터 프로그램이나 웹 페이지)를 토큰(의미가 지정되어 식별되는 문자열)으로 변환하는 과정입니다.

변분 추론은 알려진 분포를 사용하여 필요한 분포에 맞게 조정하지만 수식으로 표현하기 어렵습니다.

참조 모델은 벤치마크 및 비교로 사용되는 모델입니다. 구조화 정보 표준 촉진 기구의 정의에 따르면, 특정 환경 내의 개체 간의 중요한 관계를 이해하고 해당 환경을 지원하는 일반적인 표준이나 사양 프레임워크를 개발하는 데 사용됩니다. 개념 요약: 참조 모델은 환경에 대한 정보를 제공하고 […]를 설명하는 데 사용됩니다.

재가중치 방법은 학습 과정의 각 라운드에서 샘플 분포에 따라 각 학습 샘플에 가중치가 재할당된다는 것을 의미합니다.

한계분포는 확률론과 통계학에서 다차원 확률변수 중 일부 변수만의 확률분포를 말합니다. 정의 두 변수와 연관된 확률 분포가 있다고 가정합니다. $latex P(x, y) $ 그러면 한 변수에 대한 한계 분포는 다른 변수가 주어졌을 때 조건부 확률 분포가 됩니다. $lat […]

주변화는 한 변수를 기반으로 다른 변수를 발견하는 방법입니다. 다른 변수의 가능한 값을 합산하여 해당 변수의 한계적 기여도를 결정합니다. 이 정의는 비교적 추상적이며, 아래에서는 관련 사례를 들어 설명합니다. 날씨가 행복 지수에 미치는 영향을 알아야 한다고 가정하면, 이를 표현하기 위해 P(행복 | 날씨)를 사용할 수 있습니다. 즉, 날씨 유형이 주어졌을 때 […]

계층적 클러스터링은 아래에서 위로 지속적으로 병합하거나 위에서 아래로 지속적으로 분할하여 중첩된 클러스터를 형성하는 알고리즘의 모음입니다. 이러한 계층적 클래스는 "덴드로그램"으로 표현되며, 응집형 클러스터링 알고리즘이 그 중 하나입니다. 계층적 클러스터링은 서로 다른 "수준"에서 데이터를 클러스터링하려고 시도합니다.

게임 이론은 전략 이론, 토너먼트 이론 등으로도 알려져 있으며, 현대 수학의 새로운 분야일 뿐만 아니라, 운영 연구의 중요한 분야이기도 합니다. 주요 연구는 인센티브 구조 간의 상호 작용에 관한 것으로, 게임에서 개인의 예측된 행동과 실제 행동을 고려하고 관련 최적화 전략을 연구합니다. 게임 행동은 본질적으로 경쟁적이거나 적대적인 행동을 말합니다. 그런 행동에서 […]

익스트림 러닝 머신은 머신 러닝 분야의 신경망 모델로, 단일 은닉층 피드포워드 신경망을 풀 때 사용할 수 있습니다. 기존의 피드포워드 신경망(BP 신경망 등)이 많은 수의 학습 매개변수를 수동으로 설정해야 하는 것과 달리, 익스트림 학습 알고리즘은 다른 매개변수를 설정하지 않고 네트워크 구조만 설정하면 되므로 간단하고 쉽습니다. […]

오류율은 예측에서 예측 오류가 차지하는 비율을 말합니다. 계산 공식은 일반적으로 다음과 같습니다. 1 - 정확도(%) 훈련된 모델은 일반적으로 데이터 세트에서 모델의 오류율을 측정하는 데 사용할 수 있습니다. 중요한 숫자는 세 가지입니다. 베이즈 최적 오차: 이상적인 […]

정밀도는 정보 검색과 통계적 분류에 사용되는 척도입니다. 추출된 샘플의 개수에 대한 올바른 샘플의 비율을 말합니다.

표현 학습은 표현 학습이라고도 하며, 머신 러닝 기술을 사용하여 각 개체 또는 관계의 벡터화된 표현을 자동으로 얻는 방식으로, 분류기나 기타 예측 변수를 구축할 때 유용한 정보를 더 쉽게 추출할 수 있도록 해줍니다.

리샘플링은 원본 데이터 샘플에서 반복 샘플을 추출하는 것을 포함합니다. 이것은 통계적 추론의 비모수적 방법입니다. 즉, 리샘플링은 확률 p의 값을 근사화하기 위해 공통 분포를 사용하지 않습니다.

잔차 사상은 잔차 네트워크가 구축되는 데 기반이 되는 해당 관계입니다. 일반적인 형태는 H(x) = F(x) + x이며, 여기서 F(x)는 잔차 함수입니다.

풀링은 공간 풀링이라고도 하며, 합성곱 신경망에서 특징을 추출하는 데 사용되는 방법입니다.

컴퓨터 비전은 기계가 '보는' 방법을 연구하는 과학입니다. 구체적으로 말하면, 인간의 눈을 대체하여 목표물을 식별, 추적, 측정하는 카메라와 컴퓨터를 사용하고, 컴퓨터를 사용하여 이미지를 인간의 눈으로 관찰하거나 탐지를 위한 장비로 전송하기에 더 적합한 이미지로 처리하는 것을 말합니다. 정의 컴퓨터 비전은 컴퓨터와 관련된 […]

계산언어학은 수학적 모델을 사용하여 자연어를 분석하고 처리하고, 컴퓨터 프로그램을 사용하여 분석 및 처리 과정을 구현하는 학문으로, 이를 통해 기계를 사용하여 사람의 언어 능력의 일부 또는 전부를 시뮬레이션하는 목표를 달성합니다. 기본 내용 계산언어학은 작업의 특성과 복잡성에 따라 다음 세 가지 범주로 나눌 수 있습니다. 자동 편집: […]

고유 분해는 행렬을 고유값과 고유벡터로 표현되는 행렬의 곱으로 분해하는 방법이지만, 대각화 가능한 행렬만이 고유 분해를 수행할 수 있다. 고유값은 선형 변환에서 고유 벡터의 길이에 대한 스케일링 비율로 볼 수 있습니다. 고유값이 양수이면 $latex v $가 선형적으로 변환되었음을 의미합니다.

역전파 알고리즘의 정의 역전파 알고리즘은 "오류 역전파 알고리즘"의 줄임말로, 인공 신경망을 훈련하기 위해 최적화 방법과 함께 사용되는 일반적인 방법입니다. 이 방법은 네트워크의 모든 가중치에 대한 손실 함수의 기울기를 계산합니다. 이 기울기는 손실 함수를 최소화하도록 가중치를 업데이트하기 위해 최적화 방법으로 피드백됩니다. […]

잔여 네트워크(ResNet)는 간단한 네트워크를 기반으로 하며, 네트워크를 해당 잔여 버전으로 변환하기 위해 바로가기 연결을 삽입했습니다. 잔여 네트워크는 대상에 직접 맞지 않지만, 잔여에 맞습니다.

표현 정리는 통계적 학습의 정리로, 재생 커널 힐베르트 공간에서 정의된 정규화된 위험 함수의 최소값은 학습 세트의 입력 점들의 선형 조합으로 표현될 수 있다는 것을 나타냅니다.

반지도 지원 벡터 머신(S3VM)은 반지도 학습에서 지원 벡터 머신의 일반화입니다.

단어 임베딩은 자연어 처리(NLP)에서 언어 모델과 표현 학습 기술을 통칭하는 용어입니다.

단어 의미 모호성 해소(WSD)는 단어 수준에서의 의미적 모호성을 해소하는 것입니다. 이는 자연어 처리와 온톨로지의 미해결 문제입니다. 모호성과 명확성은 자연어 이해의 핵심 문제입니다. 단어의 의미, 문장의 의미, 문단의 의미 수준에서는 언어의 의미가 맥락에 따라 달라지는 현상이 있을 것입니다. 모호성 해소는 맥락에 기반하여 객체의 의미를 결정하는 과정을 말합니다.

토큰화는 어휘 분석이라고도 하며, 문자(예를 들어 컴퓨터 프로그램이나 웹 페이지)를 토큰(의미가 지정되어 식별되는 문자열)으로 변환하는 과정입니다.

변분 추론은 알려진 분포를 사용하여 필요한 분포에 맞게 조정하지만 수식으로 표현하기 어렵습니다.

참조 모델은 벤치마크 및 비교로 사용되는 모델입니다. 구조화 정보 표준 촉진 기구의 정의에 따르면, 특정 환경 내의 개체 간의 중요한 관계를 이해하고 해당 환경을 지원하는 일반적인 표준이나 사양 프레임워크를 개발하는 데 사용됩니다. 개념 요약: 참조 모델은 환경에 대한 정보를 제공하고 […]를 설명하는 데 사용됩니다.

재가중치 방법은 학습 과정의 각 라운드에서 샘플 분포에 따라 각 학습 샘플에 가중치가 재할당된다는 것을 의미합니다.

한계분포는 확률론과 통계학에서 다차원 확률변수 중 일부 변수만의 확률분포를 말합니다. 정의 두 변수와 연관된 확률 분포가 있다고 가정합니다. $latex P(x, y) $ 그러면 한 변수에 대한 한계 분포는 다른 변수가 주어졌을 때 조건부 확률 분포가 됩니다. $lat […]

주변화는 한 변수를 기반으로 다른 변수를 발견하는 방법입니다. 다른 변수의 가능한 값을 합산하여 해당 변수의 한계적 기여도를 결정합니다. 이 정의는 비교적 추상적이며, 아래에서는 관련 사례를 들어 설명합니다. 날씨가 행복 지수에 미치는 영향을 알아야 한다고 가정하면, 이를 표현하기 위해 P(행복 | 날씨)를 사용할 수 있습니다. 즉, 날씨 유형이 주어졌을 때 […]

계층적 클러스터링은 아래에서 위로 지속적으로 병합하거나 위에서 아래로 지속적으로 분할하여 중첩된 클러스터를 형성하는 알고리즘의 모음입니다. 이러한 계층적 클래스는 "덴드로그램"으로 표현되며, 응집형 클러스터링 알고리즘이 그 중 하나입니다. 계층적 클러스터링은 서로 다른 "수준"에서 데이터를 클러스터링하려고 시도합니다.

게임 이론은 전략 이론, 토너먼트 이론 등으로도 알려져 있으며, 현대 수학의 새로운 분야일 뿐만 아니라, 운영 연구의 중요한 분야이기도 합니다. 주요 연구는 인센티브 구조 간의 상호 작용에 관한 것으로, 게임에서 개인의 예측된 행동과 실제 행동을 고려하고 관련 최적화 전략을 연구합니다. 게임 행동은 본질적으로 경쟁적이거나 적대적인 행동을 말합니다. 그런 행동에서 […]

익스트림 러닝 머신은 머신 러닝 분야의 신경망 모델로, 단일 은닉층 피드포워드 신경망을 풀 때 사용할 수 있습니다. 기존의 피드포워드 신경망(BP 신경망 등)이 많은 수의 학습 매개변수를 수동으로 설정해야 하는 것과 달리, 익스트림 학습 알고리즘은 다른 매개변수를 설정하지 않고 네트워크 구조만 설정하면 되므로 간단하고 쉽습니다. […]

오류율은 예측에서 예측 오류가 차지하는 비율을 말합니다. 계산 공식은 일반적으로 다음과 같습니다. 1 - 정확도(%) 훈련된 모델은 일반적으로 데이터 세트에서 모델의 오류율을 측정하는 데 사용할 수 있습니다. 중요한 숫자는 세 가지입니다. 베이즈 최적 오차: 이상적인 […]

정밀도는 정보 검색과 통계적 분류에 사용되는 척도입니다. 추출된 샘플의 개수에 대한 올바른 샘플의 비율을 말합니다.

표현 학습은 표현 학습이라고도 하며, 머신 러닝 기술을 사용하여 각 개체 또는 관계의 벡터화된 표현을 자동으로 얻는 방식으로, 분류기나 기타 예측 변수를 구축할 때 유용한 정보를 더 쉽게 추출할 수 있도록 해줍니다.

리샘플링은 원본 데이터 샘플에서 반복 샘플을 추출하는 것을 포함합니다. 이것은 통계적 추론의 비모수적 방법입니다. 즉, 리샘플링은 확률 p의 값을 근사화하기 위해 공통 분포를 사용하지 않습니다.

잔차 사상은 잔차 네트워크가 구축되는 데 기반이 되는 해당 관계입니다. 일반적인 형태는 H(x) = F(x) + x이며, 여기서 F(x)는 잔차 함수입니다.

풀링은 공간 풀링이라고도 하며, 합성곱 신경망에서 특징을 추출하는 데 사용되는 방법입니다.

컴퓨터 비전은 기계가 '보는' 방법을 연구하는 과학입니다. 구체적으로 말하면, 인간의 눈을 대체하여 목표물을 식별, 추적, 측정하는 카메라와 컴퓨터를 사용하고, 컴퓨터를 사용하여 이미지를 인간의 눈으로 관찰하거나 탐지를 위한 장비로 전송하기에 더 적합한 이미지로 처리하는 것을 말합니다. 정의 컴퓨터 비전은 컴퓨터와 관련된 […]

계산언어학은 수학적 모델을 사용하여 자연어를 분석하고 처리하고, 컴퓨터 프로그램을 사용하여 분석 및 처리 과정을 구현하는 학문으로, 이를 통해 기계를 사용하여 사람의 언어 능력의 일부 또는 전부를 시뮬레이션하는 목표를 달성합니다. 기본 내용 계산언어학은 작업의 특성과 복잡성에 따라 다음 세 가지 범주로 나눌 수 있습니다. 자동 편집: […]

고유 분해는 행렬을 고유값과 고유벡터로 표현되는 행렬의 곱으로 분해하는 방법이지만, 대각화 가능한 행렬만이 고유 분해를 수행할 수 있다. 고유값은 선형 변환에서 고유 벡터의 길이에 대한 스케일링 비율로 볼 수 있습니다. 고유값이 양수이면 $latex v $가 선형적으로 변환되었음을 의미합니다.

역전파 알고리즘의 정의 역전파 알고리즘은 "오류 역전파 알고리즘"의 줄임말로, 인공 신경망을 훈련하기 위해 최적화 방법과 함께 사용되는 일반적인 방법입니다. 이 방법은 네트워크의 모든 가중치에 대한 손실 함수의 기울기를 계산합니다. 이 기울기는 손실 함수를 최소화하도록 가중치를 업데이트하기 위해 최적화 방법으로 피드백됩니다. […]