Reziprok menneske-maskine læring
Definition
Denne tilgang bevæger sig ud over simpel menneske-i-lokken-etikettering. Den involverer …
Terms tagged with Training
Denne tilgang bevæger sig ud over simpel menneske-i-lokken-etikettering. Den involverer …
Også kendt som batch-læring involverer offline læring træning af maskinlæringsmodeller på …
Denne teknik udnytter den induktive bias, der deles af relaterede opgaver, til at øge …
Mixed Precision Training (MPT) kombinerer halvpræcision (FP16) og fuld præcision (FP32) …
Typisk viser en læringskurve trænings- og valideringsscorer på y-aksen mod antallet af …
Knowledge distillation er en maskinlæringsmetode, der bruges til at komprimere et stort, …
Imatrix, forkortelse for Importance Matrix (Vigtighedsmatrix), er en teknik primært …
I modsætning til modelparametre (vægte og bias), der læres fra data under træningen, er …
Hyperparameterjustering involverer evaluering af forskellige sæt af hyperparametre for at …
Grokking refererer til en modintuitiv adfærd observeret i dyb læring, hvor en model …
Finetuning refererer til teknikken at tage en model, der allerede er trænet på et stort, …
Inden for maskinlæring repræsenterer en epoch én enkelt iteration over hele …
Ved eager learning konstruerer systemet en generel målfunktion eller model baseret på …
Early stopping er en form for regularisering, der primært bruges i iterative …
Domæneadaptation adresserer udfordringen, når trænings- og testdata stammer fra …
Konstitutionel AI er en ramme til at justere store sprogmodeller (LLM’er) til …
Lærlinge-læring, også kendt som invers forstærkningslæring fra demonstrationer, gør det …
Dette felt omfatter både offensive teknikker til at bryde modeller og defensive …
Superviseret finjustering (SFT) indebærer at tage en stor fortræn model, f.eks. en …
I superviseret læring trænes algoritmen på et mærket datasæt, hvilket betyder, at hvert …
Selvovervåget læring er en teknik, hvor algoritmen skaber overvågnings signaler fra de …
Læringsraten bestemmer, hvor meget modellens vægte opdateres i forhold til det beregnede …
Også kendt som omkostnings- eller fejlfunktion, giver tabfunktionen en skalarværdi, der …
Gradientnedstigning er en iterativ optimeringsalgoritme af første orden til at finde et …
Few-shot learning sigter mod at gøre det muligt for modeller at generalisere fra blot et …
Fine-tuning indebærer at tage en model, der allerede er trænet på et stort, generelt …
Superviseret læring indebærer at fodre en algoritme med data, der inkluderer både inputs …
For-træning er en grundlæggende teknik inden for dyb læring, hvor en model lærer brede …
Loss-funktioner, også kendt som omkostningsfunktioner, måler, hvor godt en …
Denne proces overbruser kløften mellem generel fortræning og specifik opgavepræstation. …
Finjustering indebærer at tage en generaliseret model, der er trænet på store datasæt, og …
Finjustering indebærer at tage en model, der allerede er trænet på et stort, generelt …
Bagudpropagering, kort for bagudpropagering af fejl, er en metode, der bruges i kunstige …
Alignment fokuserer på at sikre, at AI-systemer gør, hvad mennesker faktisk ønsker, frem …