Temporalt bias
Definition
Temporalt bias opstår, når maskinlæringsmodeller tillægger nyere observationer en …
Temporalt bias opstår, når maskinlæringsmodeller tillægger nyere observationer en …
Symbolsk regression er en type regressionsanalyse, der søger at finde et matematisk …
Supermind AI refererer til systemer, hvor flere AI-komponenter, menneskelige eksperter …
Statistisk læringsteori (SLT) er en gren af statistik og datalogi, der studerer, hvordan …
Statistisk relationel læring (SRL) kombinerer sandsynlighedsteori med relationelle …
Spike-and-slab-regression er en bayesisk statistisk teknik, der bruges til …
Højttalerdiarisering er opgaven med at opdele en lydstrøm i homogene segmenter baseret på …
Rummelig intelligens refererer til evnen hos kunstige intelligensmodeller til at opfatte, …
Rummelig indlejring involverer konvertering af fysiske eller abstrakte rumlige relationer …
Suveræn AI beskriver evnen hos et land eller en organisation til selvstændigt at opbygge, …
Singularitetsstudier er en voksende akademisk disciplin, der undersøger implikationerne …
Slopaganda beskriver en strategisk form for desinformation, der stoler på gentagelse, …
Læring af lighed fokuserer på at træne modeller til at afbilde input ind i et vektorrum, …
Semantisk foldning refererer til processen med at komprimere komplekse, højdimensionale …
Denne teknik bruges primært sammen med Store Sprogmodeller (LLM’er) og forbedrer …
Sam3 Video refererer til anvendelsen af avancerede segmenteringsmodeller, potentielt en …
SUPS er et akronym, der kan variere afhængigt af kontekst, men som ofte optræder i …
Robotlæring indebærer træning af robotiske agenter til at udføre opgaver autonomt ved at …
Reparameteriseringstricket er en fundamental metode, der bruges i variational …
Rekursiv selvforbedring refererer til den teoretiske evne hos et kunstigt …
Rademacher-kompleksitet evaluerer, hvor godt en hypoteseklasse kan korrelere med …
Denne tilgang bevæger sig ud over simpel menneske-i-lokken-etikettering. Den involverer …
Dette begreb refererer til en specialiseret arkitektur inden for Qwen-familien, der …
Qwen3 5 ser ud til at betegne en specifik checkpoint, størrelsesvariant eller …
Kvantisering er en teknik til modeloptimering, der reducerer den numeriske præcision af …
I konteksten af Pyannote Audio refererer en pipeline til en konfigurerbar arbejdsgang, …
PyTorch Model Hub Mixin er en komponent leveret af Hugging Face Transformers-biblioteket, …
Proximale gradientmetoder er iterative optimeringsteknikker, der bruges, når …
Dette felt undersøger de mentale processer, der ligger til grund for menneskelig …
Ekspertproduktet (PoE) er en metode til at konstruere komplekse sandsynlighedsfordelinger …
I proaktiv læring bestemmer AI-systemet, hvilke prøver der ville reducere usikkerheden …
Probabilistisk numerik anvender Bayesianske metoder på traditionelle numeriske problemer …
Forudsigende statrepræsentationer (PSR) udvider traditionelle delvist observerbare …
Prefix-tuning er en parameter-effektiv tilpasningsteknik til for-trænede transformere. I …
Polysemanci er en egenskab, der observeres i dybe neurale netværk, især i transformere, …
Personaplex refererer til økosystemet eller infrastrukturen, der understøtter …
Mønster teori giver et strengt matematisk fundament for at forstå, hvordan komplekse …
En perceptionsfejlmodel beskriver afvigelserne mellem observerede sansedata og sandheden …
Paritetslæring er et benchmark-problem inden for maskinlæringsteori, hvor målet er at …
P-Tuning (Prompt Tuning) er en teknik designet til at tilpasse store fortrænede …
PagedAttention er en teknik introduceret af vLLM-projektet for at forbedre effektiviteten …
Detektion af overlappende tale (OSD) er en specialiseret opgave inden for talebehandling, …
Nouvelle AI henviser til en klasse af kunstige intelligenssystemer, der bruger symboliske …
Dette felt forbinder neurovidenskab og robotik ved at implementere neurale …
Neural modeling fields involverer studiet af, hvordan neuronale populationer organiserer …
Neuro-symbolic AI integrerer sub-symboliske neurale læringsmetoder med symbolske …
Muse Spark er et open source deep learning-framework designet til at køre effektivt oven …
MXFP4 (Mixed eXtended Floating Point 4-bit) er et specialiseret datatypeformat …
Multimodal repræsentationslæring indebærer træning af modeller til at behandle og …
Multivariate Adaptive Regression Splines (MARS) er en fleksibel regressionsmetode, der …
Denne teknik udnytter den induktive bias, der deles af relaterede opgaver, til at øge …
Blanding af eksperter (MoE) er en maskinlæringsarkitektur designet til at forbedre …
Moshi er en avanceret AI-model skabt af Kyutai, der integrerer tale- og tekstbehandling i …
I GANs opstår mode collapse, når generatoren lærer at udnytte svagheder i diskriminatoren …
Mistral Common er et Python-pakke, der vedligeholdes af Mistral AI, og som tilbyder …
Mixed Precision Training (MPT) kombinerer halvpræcision (FP16) og fuld præcision (FP32) …
Mixtral er en banebrydende LLM med åbne vægte, der udnytter en Sparse Mixture of Experts …
Meta-læring fokuserer på at designe algoritmer, der kan lære af tidligere opgaver for at …
Selvom det ikke er et standard akademisk begreb, betegner ‘Mindpixel’ typisk …
Søgning efter maksimalt indre produkt (MIPS) er et grundlæggende problem inden for …
Mangfoldighedsregularisering udvider traditionelle regulariseringsmetoder ved at inddrage …
Denne hypotese forklarer, hvorfor dyb læring fungerer effektivt trods dimensionens …
Denne teknik adresserer privatlivsreguleringer som GDPR’s ‘retten til at …
Dette tværfaglige felt bruger maskinlæring til at behandle enorme mængder biologiske …
Maskinlæringsstyring integrerer adaptive algoritmer med traditionelle styresystemer til …
MAUVE er et statistisk mål designet til at vurdere, hvor tæt outputtet fra en generativ …
Lokal case-control-stikprøveudtagning er en strategi, der primært bruges til træning af …
Lotteribillet-hypotesen antyder, at inden for et stort, tilfældigt initialiseret neuralt …
At køre en Local LLM indebærer at distribuere modeller med åbne vægte direkte på …
I dynamiske systemer og tidsserieanalyse måler korrelationens levetid varigheden, hvori …
Lifelong Planning A* (LPA*) er en udvidelse af A*-søgealgoritmen designet til miljøer, …
I modsætning til standard klassificering eller regression fokuserer learning to rank på …
Inden for statistisk læringsteori repræsenterer en lærbar funktionsklasse det …
Forankret i talehandelteori og pragmatik understreger dette perspektiv, hvordan ytringer …
Kolmogorov–Arnold-netværk (KANs) er en nyere klasse af neurale netværk inspireret af …
I modsætning til samarbejdende filtrering, der stoler på tidligere brugeradfærd, bruger …
Metoder til vidensgraf-indlejring, såsom TransE eller DistMult, transformerer diskrete …
Knowledge distillation er en maskinlæringsmetode, der bruges til at komprimere et stort, …
KAoS er et intelligent agentrammework udviklet til at håndtere kompleksiteten i store, …
Inden for forstærkningsslæring driver intern motivation en agent til at udforske sit …
Intelligent styring anvender kunstige intelligensmetoder såsom fuzzy logik, neurale …
Denne teori hævder, at læring i bund og grund er en proces med sandsynlighedsinferens. I …
Incremental Heuristic Search refererer til algoritmer, der finjusterer en kandidatløsning …
Induktiv bias repræsenterer de iboende præferencer eller begrænsninger, der er indbygget …
Induktiv programmering, ofte omtalt som programsyntese, involverer oprettelse af …
Teknologien Billede-til-video tager et enkelt statisk billede og forudser efterfølgende …
Dette felt studerer processerne bag, hvordan idéer dannes, kombineres og udvikles. Det …
Et Hybrid Intelligentsystem (HIS) forener forskellige AI-paradigmer, typisk ved at …
Hyperparameteroptimering (HPO) henviser til det bredere felt inden for automatisering af …
Algoritmen Hierarchical Navigable Small World (HNSW) konstruerer en flerlagsgraf, hvor …
Hierarkisk Risikoparitet (HRP) er en metode til porteføljekonstruktion, der adresserer …
Highway Networks er designet til at adressere problemet med forsvindende gradienter i …
Histogram of Oriented Displacements (HOD) er en metode til funktionsekstraktion til …
Halite var en årlig AI-programmeringskonkurrence arrangeret af Two Sigma, hvor udviklere …
Grokking refererer til en modintuitiv adfærd observeret i dyb læring, hvor en model …
Denne optimeringsstrategie gør det muligt at træne dybe læringsmodeller med effektive …
Denne tilgang efterligner menneskelige kognitive processer ved at gruppere data op i …
GPT OSS betegner typisk open source-alternativer eller afledninger af proprietære …
Der findes ikke et enkelt standardbegreb ‘GLM MoE DSA’. Det kombinerer dog …
Genesis-missionen refererer typisk til en strategisk fase eller projekt inden for en …
Geometrisk funktionslæring fokuserer på behandling af data, der besidder ikke-euklidiske …
Ifølge nuværende viden er der ingen officielt udgivet model specifikt navngivet …
En fuzzy-agent opererer i miljøer, hvor data ofte er tvetydige eller ufuldstændige, og …
FCA giver en streng ramme til at analysere relationer mellem objekter og deres …
Kraftstyring gør det muligt for robotter at udføre delikate operationer såsom montering, …
Fitness-approksimation bruges i evolutionær beregning, når evaluering af den sande …
Flow-baserede generative modeller konstruerer komplekse sandsynlighedsfordelinger ved at …
Funktionslæring, ofte forbundet med dyb læring, gør det muligt for modeller at lære …
I modsætning til genetiske algoritmer, der opretholder en population, arbejder EO på en …
EBL kombinerer symbolsk ræsonnement med maskinlæring for at accelerere læringsprocessen. …
Inspiret af biologisk ontogeni udforsker ED-robotik, hvordan komplekse adfærdsmønstre og …
ExBERT giver fortolkbarhed for BERT-transformermodellen ved at analysere vigtigheden af …
Lige sandsynligheder er en statistisk paritetsbegrænsning, der bruges inden for …
Empirisk Dynamisk Modellering (EDM) er en ramme til analyse af ikke-lineære dynamiske …
Inden for forstærkningslæring og kunstig intelligens er empowerment en intrinsisk …
Energbaserede modeller (EBM’er) definerer en sandsynlighedsfordeling over inputdata …
Udviklet af Google bruger EfficientNet en metode til kompoundskalering til at balancere …
Dette felt udfordrer traditionelle synspunkter, der betragter sindet som en computer, der …
Denne term refererer til det synergistiske forhold mellem …
Domæneadaptation adresserer udfordringen, når trænings- og testdata stammer fra …
Denne betegnelse refererer til en specifik implementering i Hugging Face …
Diskrimination mod robotter er et voksende etisk og sociologisk begreb, der undersøger, …
Denne pipeline integrerer Qwen-Vision-Language-modellens funktionaliteter i …
Denne pipeline tilpasser Qwen-VL-modellernes generative evner til billedsyntese. Den gør …
Differential privacy giver stærke privatlivsgarantier ved at tilføje kalibreret …
Denne pipeline udnytter Flux-arkitekturen, kendt for sin høj kvalitet i billedsyntese, …
Beskrivelseslogikker (DL) er afgørlige fragmenter af førsteordenslogik, der udgør den …
Udrulning til Azure indebærer brug af cloud-native værktøjer som Azure Machine Learning, …
Dyb Tomografisk Rekonstruktion repræsenterer et betydeligt fremskridt i forhold til …
Anti-aliasing i dyb læring refererer til metoder, der anvender neurale netværk til at …
Deep Learning Super Sampling (DLSS) er en teknologi, der udnytter neurale netværk til at …
Datasæt til Search QA består typisk af par af søgeforespørgsler og relevante svarudsnit …
Denne post refererer til et specifikt datasætrepository identificeret ved identifikatoren …
Dette datasæt udtrækker data på sætningsniveau fra Stack Exchange XML-filer og giver en …
Specter-datasættet er konstrueret fra et stort samling af datalogipapirer, hvor …
PAQ-datasættet (Pseudo-Answer Quality) indeholder millioner af automatisk genererede …
Datadrevet astronomi udnytter avancerede beregningsmetoder, herunder maskinlæring og …
DABUS er et specifikt kunstigt neuralt netværk designet til at generere nye opfindelser …
Denne adversarielle teknik sigter mod at kompromittere integriteten af …
Cross-Entropi-metoden (CEM) er en kraftfuld generel optimeringsalgoritme, der bruges til …
Koblede mønstergenerere er designet til at håndtere data, hvor instanser fra to …
Kostfølsom maskinlæring udvider traditionel overvåget læring ved at tildele forskellige …
Kontinuerlig læring, også kendt som livslang læring, gør det muligt for neurale netværk …
Kontraktiv læring er en metode til repræsentationslæring, der ikke kræver mærkede data. …
Kontrastiv fortræning af sprog-billede (CLIP) er en neuralt netværksarkitektur trænet på …
Et forbindelsesmæssigt ekspertsystem integrerer de mønstergenkendelses- og …
Konstitutionel AI er en ramme til at justere store sprogmodeller (LLM’er) til …
Konceptdrift er et fænomen inden for maskinlæring, hvor sammenhængen mellem …
Vilkårlige Tilfeldige Felter (CRF’er) er en klasse af diskriminerende modeller, der …
Komprimerede tensorer er multidimensionelle array’er, der bruges i dyb læring, hvor …
Koherent Ekstrapoleret Vilje (CEV) er et koncept introduceret af Eliezer Yudkowsky i …
Kognitiv computing er en gren af kunstig intelligens, der søger at interagere naturligt …
Kognitiv robotik integrerer kognitiv videnskab med robotik for at bygge maskiner, der kan …
CAM genererer varmekaart-lag på inputbilleder for at vise, hvilke pixels der bidrog mest …
Denne metode udnytter flere distinkte sæt af funktioner (perspektiver) fra de samme …
Denne metrik kvantificerer, hvor godt et sæt af kategorier tillader en at forudsige …
Kaos-teori undersøger, hvordan små variationer i startparametre kan føre til vidt …
Bioserenity refererer til det konceptuelle ideal, hvor menneskelig biologi og kunstig …
Bradley-Terry-modellen er en sandsynlighedsmodel, der bredt bruges i psykometri og …
Bias-varians-afvejningen beskriver spændingen mellem undertilpasning (høj bias) og …
Biohybride systemer forener levende væv, celler eller organismer med syntetiske …
Bayesiansk fortrydelse kvantificerer forskellen mellem den optimale belønning, der kan …
Bayesiansk programmering er et matematisk rammeværk, der generaliserer Bayes’ …
Modeller for Bayesianske strukturelle tidsserier (BSTS) repræsenterer tidsseriedata som …
Dette koncept fastslår, at minimering af en regulariseret risikofunktion med en bestemt …
Bayesiske læringsmekanismer opdaterer troen på modelparametre ved hjælp af Bayes’ …
Et Ball-træ inddeler datapunkter i indlejrede hypersfærer (kugler) frem for …
Automatiseret forhandling involverer softwareagenter, der repræsenterer menneskelige …
Autonomt netværk anvender principperne fra autonom computing på …
Autognostik refererer til selvovervågnings- og selvreparationsmekanismer, der er …
Astrostatistik er et specialiseret felt, der forbinder statistik og astronomi. Det …
Audio inpainting er en teknik, der bruges til at udfylde huller i lydoptagelser …
Kunstig intimitet refererer til det psykologiske fænomen, hvor mennesker udvikler ægte …
Kunstig reproduktion omfatter teknikker, der letter eller replikerer biologisk …
AI i spiritualitet refererer til anvendelsen af kunstig intelligens i religiøse eller …
En kunstig hjerne refererer til hardware- eller softwarearkitekturer, der emulerer de …
Any-to-any refererer til enhedlige multimodale arkitekturer, der kan håndtere forskellige …
Lærlinge-læring, også kendt som invers forstærkningslæring fra demonstrationer, gør det …
Algoritmisk sandsynlighed, der har rod i Kolmogorov-kompleksitet og Solomonoffs …
Dette fænomen opstår, når AI-modeller utilsigtet eller systematisk behandler individer …
Adversarial angreb udnytter sårbarhederne i neurale netværk ved at indføre subtil støj i …
Dette felt omfatter både offensive teknikker til at bryde modeller og defensive …
Den udvider traditionel logik for at tage højde for agens, hvilket tillader systemer at …
Actor-kritiker-algoritmen anvender to komponenter: actoren, som opdaterer politikken for …
Læring af handlingsmodeller involverer, at en agent opbygger en intern repræsentation af, …
AZFinText er et stort, annoteret korpus specifikt udvalgt til analyse af kinesisk …
AI-komplette problemer er opgaver, der, hvis de løses, ville implicere eksistensen af …
AI-veganisme er et spekulativt og metaforisk begreb, der refererer til idéen om at skabe …
AI-nationalisme beskriver den tendens, hvor regeringer behandler kunstig intelligens som …
AI-observabilitet udvider traditionel softwareovervågning for at adressere de unikke …
AI-alignering adresserer udfordringen ved at gøre kunstig intelligens robust nok til at …
Visionssprogsmodeller, ofte omtalt som multimodale store sprogmodeller (MLLM’er), …
Zero-shot læring gør det muligt for en maskinlæringsmodel at klassificere instanser af …
Superviseret finjustering (SFT) indebærer at tage en stor fortræn model, f.eks. en …
Selvovervåget læring er en teknik, hvor algoritmen skaber overvågnings signaler fra de …
ReAct-rammeworkket gør det muligt for store sprogmodeller (LLM’er) at generere både …
RNN’er er designet til at genkende mønstre i datasekvenser såsom tekst, …
Prompt injection udnytter den måde, store sprogmodeller fortolker brugerinstruktioner på, …
QLoRA kombinerer Low-Rank Adaptation (LoRA) med 4-bit-kvantisering for betydeligt at …
Flere instans-læring (MIL) adresserer scenarier, hvor data er grupperet i …
Model Context Protocol (MCP) er en åben standard, der gør det muligt for AI-applikationer …
Multi-agent-systemer består af flere uafhængige agenter, der hver især kan være …
LSTM-netværk adresserer problemet med forsvindende gradienter, der er almindeligt i …
Jailbreaking indebærer at udforme specifikke input eller prompts, der narre en AI-model …
Federated learning gør det muligt for organisationer at samarbejde om at træne …
Few-shot learning sigter mod at gøre det muligt for modeller at generalisere fra blot et …
Disse modeller kortlægger højdimensionelle data til et lavdimensionelt kontinuert …
Dette koncept adresserer ‘sort boks’-problemet i komplekse AI-systemer ved at …
I sekvens-til-sekvens-modeller tager decoderen den kontekstvektor, der er produceret af …
Distribueret træning fremskynder modellens konvergens ved at parallelisere beregningen …
Chain-of-Thought (CoT) prompting forbedrer ydeevnen hos store sprogmodeller på komplekse …
Adaptere er en teknik til finjustering med effektiv parameterbrug, der primært anvendes i …
Attention-mekanismer gør det muligt for modeller at fokusere på relevant information, når …
Zero-shot læring gør det muligt for modeller at generalisere til nye kategorier eller …
Selvstyret læring er en delmængde af maskinlæring, hvor supervisionsignalet udledes …
Multi-agent-systemer består af flere uafhængige, intelligente enheder, der opfatter deres …
On-policy-algoritmer kræver, at agenten lærer direkte fra de handlinger, den aktuelle …
Langsigtet problemer involverer sekvenser af handlinger, hvor effekten af tidlige …
Diffusionsbaserede modeller er en klasse af generativ AI, der skaber nye datasamples ved …
Continuous-time-modeller beskriver systemdynamik ved hjælp af differentialligninger, …
Wasserstein-afstanden, også kendt som Earth Mover’s Distance, kvantificerer …
Vektordatabaser optimerer lagring og hentning af ustukturerede data ved at konvertere dem …
Introduceret i artiklen ‘Attention Is All You Need’, revolutionerede …
Selvopmærksomhed gør det muligt for modeller at fange afhængigheder mellem alle …
AI-sikkerhed er et tværfagligt felt, der fokuserer på at forhindre uguntige udfald fra …
Forstærkningslæring (RL) er en gren af maskinlæring, der fokuserer på, hvordan …
Hentningsforstærket Generering (RAG) kombinerer styrkerne ved hentningsbaserede og …
For-træning er en grundlæggende teknik inden for dyb læring, hvor en model lærer brede …
En ‘prior’ repræsenterer eksisterende tro eller historiske data vedrørende en …
Et neuralt netværk er en serie af algoritmer, der forsøger at genkende underliggende …
Multi-Head Attention udvider den standard opmærksomhedsmechanisme ved at køre den flere …
Mamba repræsenterer et betydeligt fremskridt inden for sekvensmodellering ved at …
Maskinlæring: Latente variable er uobserverede faktorer, der påvirker observerede data. I …
LoRA fryser fortrænede modelvægte og indsætter trainable dekompositions-matricer i hvert …
Langevin-dynamik inkorporerer tilfældig støj og dæmpende kræfter for at udforske …
In mathematics and theoretical computer science, a group is a set G together with a …
Diffusionsmodeller er en klasse af generativ AI, der lærer at vende en stokastisk proces …
Inden for kunstig intelligens søger kausal modellering at forstå, hvordan interventioner …
Monte Carlo-metoder er essentielle teknikker inden for AI og statistik til at …
I konteksten af AI-terminologi beskriver ‘udover’ ofte fremvoksende …
Bayesianske tilgange inden for AI bruger sandsynlighedsteori til at opdatere …
Konvolutionale neurale netværk (CNN’er) er designet til automatisk og adaptivt at …
Bagudpropagering, kort for bagudpropagering af fejl, er en metode, der bruges i kunstige …
AI-sikkerhed dækker over forskning og praksis, der sigter mod at sikre, at autonome …
Alignment fokuserer på at sikre, at AI-systemer gør, hvad mennesker faktisk ønsker, frem …