Samankaltaisuuden oppiminen
Definition
Samankaltaisuuden oppiminen keskittyy mallien kouluttamiseen siten, että syöte kuvataan …
Terms tagged with Deep Learning
Samankaltaisuuden oppiminen keskittyy mallien kouluttamiseen siten, että syöte kuvataan …
Lause-transformerit ovat perinteisten Transformer-mallien (kuten BERT) laajennoksia, …
Uudelleenparametrisointitekniikka on perustavanlaatuinen menetelmä, jota käytetään …
Pyannote Audio on kattava työkalupaketti, joka on suunniteltu helpottamaan …
Asiantuntijoiden tulo (PoE) on menetelmä monimutkaisten todennäköisyysjakaumien …
Monimuotoinen esitystiedon oppiminen tarkoittaa mallien kouluttamista prosessoimaan ja …
GAN-ympäristössä mode collapse ilmenee, kun generaattori oppii hyödyntämään …
Tämä hypoteesi selittää, miksi syväoppiminen toimii tehokkaasti huolimatta ulottuvuuden …
Moottoritieverkot on suunniteltu ratkaisemaan syväoppimisen häviävän gradientin ongelma …
Piilotettu kerros koostuu neuroneista, jotka vastaanottavat syötteitä edellisistä …
Tekoälyn laitteisto viittaa erikoistuneisiin tietokonetekniikoihin, jotka on optimoitu …
Tämä optimointistrategia mahdollistaa syvien oppimismallien kouluttamisen tehollisilla …
Portitettu rekurrentti yksikkö (GRU) on erikoistunut rekurrentti neuroverkkosolu (RNN), …
Ominaisuuksien oppiminen, joka liittyy usein syväoppimiseen, mahdollistaa mallien …
Energiapohjaiset mallit (EBM) määrittelevät todennäköisyysjakauman syöttödataan …
Alueen sovitus käsittelee haasteen, kun koulutus- ja testausdata tulevat eri jakaumista. …
Kaksoislaskeuma haastaa perinteisen harha-hajonta-vaihtoehtobyksen osoittamalla, että …
DP-SGD on variantti stokastisesta gradienttipudotuksesta, joka on suunniteltu suojaamaan …
BERT on Googlen kehittämä luonnollisen kielen käsittelyn (NLP) esikoulutusmenetelmä, joka …
Tämä menetelmä säätää ja skaalaa aktivointiarvoja siten, että niillä on nolla keskiarvo …
AlphaChip on erikoistunut tekoälijärjestelmä, joka on suunniteltu automatisoimaan ja …
Vastustavat hyökkäykset hyväksikäyttävät neuroverkkojen haavoittuvuutta lisäämällä …
Konetaju (CV) on tekoälyn haara, joka kouluttaa tietokoneita johtamaan merkityksellistä …
Jäännösyhteydet, joita kutsutaan myös ohitusyhteyksiksi, mahdollistavat gradienttien …
ReLU:ta käytetään laajasti syväoppimisessa olevissa tekoälyverkoissa sen laskennallisen …
RNN:t on suunniteltu tunnistamaan kuvioita datansekoituksista, kuten tekstistä, …
LSTM-verkot ratkaisevat vakio-RNN-yleisesti esiintyvän häviävän gradientin ongelman …
Neuroverkoissa dropout estää ylikouluttumisen poistamalla tilapäisesti satunnaisen osan …
Aktivaatiofunktio tuo ei-lineaarisuutta neuroverkkoon, mikä mahdollistaa monimutkaisten …
Esitreeneillä koulutettu malli on perustava AI-malli, joka on käynyt läpi laajan …
Diffuusioon perustuvat mallit ovat generatiivisen tekoälyn luokkaa, jotka luovat uusia …
Siirtäminen oppimisessa hyödyntää esikoulutettuja malleja parantaakseen suorituskykyä ja …
Esikoulutus on syväoppimisen perustekniikka, jossa malli oppii laajoja piirteitä ja …
Neuraaliverkko on algoritmisarja, joka pyrkii tunnistamaan piileviä yhteyksiä datassa …
Moni-Head Attention laajentaa vakiintunutta attention-mekanismia suorittamalla sen useita …
Suuret kielimallit (LLM) ovat kehittyneitä tekoälyjärjestelmiä, jotka perustuvat …
Diffuusiomallit ovat generatiivisen tekoälyn luokkaa, jotka oppivat kääntämään …
Adam (Adaptive Moment Estimation) on suosittu ensimmäisen kertaluvun gradienttipohjainen …
Hienosäädössä otetaan malli, joka on jo koulutettu suurella yleisellä datamäärällä, ja …
Konvoluutioverkot (CNN) on suunniteltu oppimaan automaattisesti ja sopeutuvasti …
Huomiomekanismi mahdollistaa mallille painottaa eri elementtien merkitystä …