다른 전략이란 네트워크가 매개변수를 업데이트할 때 사용하는 전략과 다른, 새로운 샘플을 생성하는 전략을 말합니다.

잡음 대비 추정(NCE)은 Gutmann과 Hyvärinen이 신경망의 복잡한 계산 문제를 해결하기 위해 제안한 통계적 모델 추정 방법으로, 이미지 처리와 자연어 처리에 널리 사용됩니다.

'무료 점심은 없다(NFL 정리)'는 정리는 모든 도메인에서 가장 정확한 학습기를 만들어낼 수 있는 단일 학습 알고리즘은 없다는 것을 말합니다. 즉, 특정 도메인의 문제에 대해서는 모든 알고리즘의 예상 성능이 동일합니다.

뉴턴의 방법은 뉴턴-랩슨 방법이라고도 불리며, 실수 및 복소수 영역에서 방정식을 근사적으로 푸는 방법입니다. 이는 함수 f(x)의 테일러 급수의 처음 몇 항을 사용하여 방정식 f(y)=0의 근을 구합니다.

부정적 클래스는 이진 분류에서 긍정적 클래스의 반대되는 클래스를 말합니다.

자연어 처리란 인공지능, 언어학, 컴퓨터 과학 및 기타 학문을 포함하는 학제간 학문입니다. 이는 컴퓨터가 자연어를 처리하는 문제를 탐구합니다.

비지도 학습은 훈련 세트에 해당하는 카테고리 레이블을 제공하지 않는 학습 방법입니다.

표본 공간은 실험이나 무작위 시행의 모든 가능한 결과의 집합이며, 무작위 시행에서 가능한 각 결과를 표본점이라고 합니다.

자기 조직화 맵(SOM) 또는 자기 조직화 특징 맵(SOFM)은 비지도 학습을 사용하여 훈련 예제의 입력 공간에 대한 저차원(일반적으로 2차원) 이산화 표현을 생성하는 인공 신경망(ANN)입니다.

순환 신경망은 시퀀스 데이터를 처리하는 데 사용되는 네트워크 모델입니다. 현재 출력이 이전 출력과 관련된 시퀀스를 말합니다.

정류 선형 유닛(ReLU)은 선형 정류 함수라고도 하며, 인공 신경망에서 일반적으로 사용되는 활성화 함수로, 일반적으로 램프 함수와 그 변형으로 표현되는 비선형 함수를 말합니다.

자연어 이해(NLU)는 문법, 의미론, 실용론 분석을 통해 자연어의 의미적 표현을 얻는 기술입니다. 이는 자연어 처리에 있어서 중요한 단계입니다.

자연어 생성(NLG)은 컴퓨터가 인간과 유사한 표현과 글쓰기 능력을 갖도록 하는 기술을 연구하는 학문입니다. 즉, 계획 과정을 통해 몇 가지 핵심 정보와 기계 내에서의 표현을 바탕으로 고품질의 자연어 텍스트를 자동으로 생성할 수 있습니다.

내쉬 균형은 비협조적 게임 균형이라고도 불리며, 경제학자 존 내쉬의 이름을 따서 명명된 게임 이론에서 중요한 전략 조합입니다.

명명된 개체 인식(NER)은 "고유 이름 인식"이라고도 하며, 컴퓨터가 텍스트에서 명명된 개체를 인식하는 과정을 말합니다. 이는 기본적인 NLP(자연어 처리) 작업입니다.

다른 전략이란 네트워크가 매개변수를 업데이트할 때 사용하는 전략과 다른, 새로운 샘플을 생성하는 전략을 말합니다.

잡음 대비 추정(NCE)은 Gutmann과 Hyvärinen이 신경망의 복잡한 계산 문제를 해결하기 위해 제안한 통계적 모델 추정 방법으로, 이미지 처리와 자연어 처리에 널리 사용됩니다.

'무료 점심은 없다(NFL 정리)'는 정리는 모든 도메인에서 가장 정확한 학습기를 만들어낼 수 있는 단일 학습 알고리즘은 없다는 것을 말합니다. 즉, 특정 도메인의 문제에 대해서는 모든 알고리즘의 예상 성능이 동일합니다.

뉴턴의 방법은 뉴턴-랩슨 방법이라고도 불리며, 실수 및 복소수 영역에서 방정식을 근사적으로 푸는 방법입니다. 이는 함수 f(x)의 테일러 급수의 처음 몇 항을 사용하여 방정식 f(y)=0의 근을 구합니다.

부정적 클래스는 이진 분류에서 긍정적 클래스의 반대되는 클래스를 말합니다.

자연어 처리란 인공지능, 언어학, 컴퓨터 과학 및 기타 학문을 포함하는 학제간 학문입니다. 이는 컴퓨터가 자연어를 처리하는 문제를 탐구합니다.

비지도 학습은 훈련 세트에 해당하는 카테고리 레이블을 제공하지 않는 학습 방법입니다.

표본 공간은 실험이나 무작위 시행의 모든 가능한 결과의 집합이며, 무작위 시행에서 가능한 각 결과를 표본점이라고 합니다.

자기 조직화 맵(SOM) 또는 자기 조직화 특징 맵(SOFM)은 비지도 학습을 사용하여 훈련 예제의 입력 공간에 대한 저차원(일반적으로 2차원) 이산화 표현을 생성하는 인공 신경망(ANN)입니다.

순환 신경망은 시퀀스 데이터를 처리하는 데 사용되는 네트워크 모델입니다. 현재 출력이 이전 출력과 관련된 시퀀스를 말합니다.

정류 선형 유닛(ReLU)은 선형 정류 함수라고도 하며, 인공 신경망에서 일반적으로 사용되는 활성화 함수로, 일반적으로 램프 함수와 그 변형으로 표현되는 비선형 함수를 말합니다.

자연어 이해(NLU)는 문법, 의미론, 실용론 분석을 통해 자연어의 의미적 표현을 얻는 기술입니다. 이는 자연어 처리에 있어서 중요한 단계입니다.

자연어 생성(NLG)은 컴퓨터가 인간과 유사한 표현과 글쓰기 능력을 갖도록 하는 기술을 연구하는 학문입니다. 즉, 계획 과정을 통해 몇 가지 핵심 정보와 기계 내에서의 표현을 바탕으로 고품질의 자연어 텍스트를 자동으로 생성할 수 있습니다.

내쉬 균형은 비협조적 게임 균형이라고도 불리며, 경제학자 존 내쉬의 이름을 따서 명명된 게임 이론에서 중요한 전략 조합입니다.

명명된 개체 인식(NER)은 "고유 이름 인식"이라고도 하며, 컴퓨터가 텍스트에서 명명된 개체를 인식하는 과정을 말합니다. 이는 기본적인 NLP(자연어 처리) 작업입니다.