이상 탐지는 대부분의 객체와 다른 객체를 찾는 것으로, 실제로는 이상치를 찾는 것입니다. 이상 감지는 때때로 편차 감지라고도 불립니다. 변칙적인 물체는 비교적 드뭅니다.

학습 규칙은 신경망 모델의 개념으로, 시간이 지남에 따라 네트워크의 가중치가 어떻게 조정되는지를 나타냅니다. 이는 일반적으로 장기간에 걸친 운동 법칙으로 간주됩니다.

행위자-비평가 알고리즘은 정책 네트워크와 가치 함수를 결합한 강화 학습 알고리즘입니다. 결과에 대한 보상과 처벌 정보를 통해 다양한 상태에서 다양한 행동을 취할 확률을 계산합니다. AC 알고리즘이라고도 함.

음향 모델의 과제는 모델에 대한 음성 파형을 생성할 확률인 P(O|W)를 계산하는 것입니다. 음향 모델은 음성 인식 시스템의 가장 중요한 부분 중 하나입니다. 이는 음성 인식의 계산 오버헤드 대부분을 차지하며 음성 인식 시스템의 성능을 결정합니다.

적응형 비트레이트 알고리즘은 스트리밍 미디어 비트레이트를 자동으로 조절하는 비디오 전송 기술입니다. 조정 요인은 주로 네트워크 상황이나 클라이언트 지연에 따라 달라집니다.

텐서 프로세싱 유닛(TPU)은 머신 러닝을 위해 특별히 개발된 특수 목적의 집적 회로입니다.

사선 의사결정 트리는 다변수 의사결정 트리라고도 합니다. 이는 노드가 여러 속성의 선형 표현식을 평가 기준으로 사용하는 의사결정 트리입니다.

순서 없는 속성은 순서대로 배열할 수 없는 속성입니다.

제한된 등거리 변환 속성(RIP)은 희소 벡터와 같은 문제를 다룰 때 거의 직교하는 행렬 간의 관계를 설명하는 데 사용되는 속성입니다.

훈련 예제는 훈련 과정 중에 훈련을 위해 표시된 인스턴스를 말합니다.

지원 벡터 확장은 모델의 최적 솔루션의 커널 함수를 훈련 샘플을 통해 확장하는 것입니다.

희소성이란 0개의 원소의 비율이 큰 상황을 말합니다.

상태 특성 함수는 노드에서 정의되고 현재 위치에 따라 달라지는 특성 함수입니다.

실제 예측률(TPR)은 양성 샘플 예측 수와 실제 양성 샘플 수의 비율입니다.

실제 클래스는 이진 분류 문제에서 양성 클래스로 올바르게 판단된 샘플을 말합니다.

참 부정(TN)은 이진 분류 문제에서 음성으로 올바르게 판단된 샘플을 말합니다.

전환적 학습은 특정 훈련 샘플을 관찰하여 특정 테스트 샘플을 예측하는 방법입니다.

임계값 이동은 실제 상황에 따라 범주를 분류하기 위한 임계값을 조정하는 것을 말합니다. 이는 종종 계층 불균형 문제를 해결하는 데 사용됩니다.

임계값 논리 장치(TLU)는 신경망의 기본 단위입니다.

임계값은 임계값 또는 임계값이라고도 합니다. 어떤 대상에 특정한 변화를 일으키는 데 필요한 조건의 값으로, 학술 연구에서 흔히 쓰이는 용어입니다.

최소제곱법은 수학적 최적화 방법입니다. 이는 제곱 오차의 합을 최소화함으로써 데이터와 일치하는 최적의 함수를 찾습니다.

텐서는 벡터, 스칼라 및 다른 텐서 간의 선형 관계를 나타내는 데 사용할 수 있는 다중선형 함수입니다.

Wasserstein 생성적 적대 네트워크는 여러 가지 장점이 있습니다. 생성자와 판별자의 학습 정도를 신중하게 균형 잡을 필요 없이 불안정한 GAN 학습 문제를 해결합니다. 기본적으로 붕괴 모드 문제를 해결하고 생성된 샘플의 다양성을 보장합니다. 교차 엔트로피, 준[…] 등의 문제가 있습니다.

비터비 알고리즘은 동적 프로그래밍 알고리즘이다.

이상 탐지는 대부분의 객체와 다른 객체를 찾는 것으로, 실제로는 이상치를 찾는 것입니다. 이상 감지는 때때로 편차 감지라고도 불립니다. 변칙적인 물체는 비교적 드뭅니다.

학습 규칙은 신경망 모델의 개념으로, 시간이 지남에 따라 네트워크의 가중치가 어떻게 조정되는지를 나타냅니다. 이는 일반적으로 장기간에 걸친 운동 법칙으로 간주됩니다.

행위자-비평가 알고리즘은 정책 네트워크와 가치 함수를 결합한 강화 학습 알고리즘입니다. 결과에 대한 보상과 처벌 정보를 통해 다양한 상태에서 다양한 행동을 취할 확률을 계산합니다. AC 알고리즘이라고도 함.

음향 모델의 과제는 모델에 대한 음성 파형을 생성할 확률인 P(O|W)를 계산하는 것입니다. 음향 모델은 음성 인식 시스템의 가장 중요한 부분 중 하나입니다. 이는 음성 인식의 계산 오버헤드 대부분을 차지하며 음성 인식 시스템의 성능을 결정합니다.

적응형 비트레이트 알고리즘은 스트리밍 미디어 비트레이트를 자동으로 조절하는 비디오 전송 기술입니다. 조정 요인은 주로 네트워크 상황이나 클라이언트 지연에 따라 달라집니다.

텐서 프로세싱 유닛(TPU)은 머신 러닝을 위해 특별히 개발된 특수 목적의 집적 회로입니다.

사선 의사결정 트리는 다변수 의사결정 트리라고도 합니다. 이는 노드가 여러 속성의 선형 표현식을 평가 기준으로 사용하는 의사결정 트리입니다.

순서 없는 속성은 순서대로 배열할 수 없는 속성입니다.

제한된 등거리 변환 속성(RIP)은 희소 벡터와 같은 문제를 다룰 때 거의 직교하는 행렬 간의 관계를 설명하는 데 사용되는 속성입니다.

훈련 예제는 훈련 과정 중에 훈련을 위해 표시된 인스턴스를 말합니다.

지원 벡터 확장은 모델의 최적 솔루션의 커널 함수를 훈련 샘플을 통해 확장하는 것입니다.

희소성이란 0개의 원소의 비율이 큰 상황을 말합니다.

상태 특성 함수는 노드에서 정의되고 현재 위치에 따라 달라지는 특성 함수입니다.

실제 예측률(TPR)은 양성 샘플 예측 수와 실제 양성 샘플 수의 비율입니다.

실제 클래스는 이진 분류 문제에서 양성 클래스로 올바르게 판단된 샘플을 말합니다.

참 부정(TN)은 이진 분류 문제에서 음성으로 올바르게 판단된 샘플을 말합니다.

전환적 학습은 특정 훈련 샘플을 관찰하여 특정 테스트 샘플을 예측하는 방법입니다.

임계값 이동은 실제 상황에 따라 범주를 분류하기 위한 임계값을 조정하는 것을 말합니다. 이는 종종 계층 불균형 문제를 해결하는 데 사용됩니다.

임계값 논리 장치(TLU)는 신경망의 기본 단위입니다.

임계값은 임계값 또는 임계값이라고도 합니다. 어떤 대상에 특정한 변화를 일으키는 데 필요한 조건의 값으로, 학술 연구에서 흔히 쓰이는 용어입니다.

최소제곱법은 수학적 최적화 방법입니다. 이는 제곱 오차의 합을 최소화함으로써 데이터와 일치하는 최적의 함수를 찾습니다.

텐서는 벡터, 스칼라 및 다른 텐서 간의 선형 관계를 나타내는 데 사용할 수 있는 다중선형 함수입니다.

Wasserstein 생성적 적대 네트워크는 여러 가지 장점이 있습니다. 생성자와 판별자의 학습 정도를 신중하게 균형 잡을 필요 없이 불안정한 GAN 학습 문제를 해결합니다. 기본적으로 붕괴 모드 문제를 해결하고 생성된 샘플의 다양성을 보장합니다. 교차 엔트로피, 준[…] 등의 문제가 있습니다.

비터비 알고리즘은 동적 프로그래밍 알고리즘이다.