Robottipohjainen prosessiautomatisointi
Definition
Robottipohjainen prosessiautomatisointi (RPA) käyttää ohjelmistorobotteja, joita usein …
Terms tagged with Efficiency
Robottipohjainen prosessiautomatisointi (RPA) käyttää ohjelmistorobotteja, joita usein …
Tämä termi viittaa erikoistuneeseen arkkitehtuuriin Qwen-perheessä, joka todennäköisesti …
Kvantisointi on mallin optimointitekniikka, joka pienentää koneoppimismallin parametrien …
Oksentamisessa tunnistetaan ja poistetaan neuroverkosta neuroneja, yhteyksiä tai …
Prompt-säädössä esikoulutetun kielimallin syöttökerrokseen lisätään koulutettavia …
Proaktiivisessa oppimisessa tekoälyjärjestelmä määrittää, mitkä näytteet vähentäisivät …
Etuliitelukitus on parametreja säästävä sopeutustekniikka esikoulutetuille …
Phi, lyhenne sanoista ‘Foundation models based on Teaching-Learning Paradigm’ …
P-Tuning (Prompt Tuning) on tekniikka, joka on suunniteltu mukauttamaan suuria …
Monitehtäväoptimointi tarkoittaa yksittäisen mallin kouluttamista käsittelemään useita …
Tämä tekniikka hyödyntää liittyvien tehtävien jakamaa induktiivista harhaa oppimisen …
Asiantuntijasekoitus (MoE) on koneoppimisarkkitehtuuri, jonka tavoitteena on parantaa …
Tähän kategoriaan kuuluvat menetelmät kuten leikkaus (pruning), kvantisointi ja tiedon …
Mixtral on edistyksellinen avoin suurkielimalli, joka käyttää harvinaisen …
DeepSeek V3 on edistynyt versio DeepSeek-mallisarjassa, jonka tunnuspiirre on se, että se …
Liiketoimintaprosessien automatisointi (BPA) tarkoittaa ohjelmiston ja tekoälyn …
Pakettikäsittelyssä data syötteet kootaan ryhmään eli pakettiin ennen laskennan tai …
AutoML (Automated Machine Learning) tehostaa ML-mallien kehittämistä automatisoimalla …
Automaattinen päätöksenteko (ADM) perustuu ohjelmistojärjestelmiin, jotka tekevät …
Aktiivinen oppiminen vähentää merkittyjen tietojen määrää sallimalla mallin valita …
Nollanäytteen oppiminen mahdollistaa koneoppimismodelin luokitellaan luokkien ilmentymiä, …
QLoRA yhdistää matalan rangin adaptoinnin (LoRA) 4-bittiseen kvantitointiin vähentääkseen …
Few-shot-oppimisen tavoitteena on mahdollistaa mallien yleistäminen hyvin vähäisten …
Adapterit ovat parametritehokas hienosäätötekniikka, jota käytetään pääasiassa suurissa …
Koulutuksettomat lähestymistavat tarkoittavat tekniikoita, jotka muuttavat mallin …
Esitreeneillä koulutettu malli on perustava AI-malli, joka on käynyt läpi laajan …
Edullinen tekoäly keskittyy tehokkuuteen pyrkien vähentämään koneoppimiseen liittyviä …
Siirtäminen oppimisessa hyödyntää esikoulutettuja malleja parantaakseen suorituskykyä ja …
Mamba edustaa merkittävää edistysaskelta sekvenssimallinnuksessa esittelemällä …
LoRA jäädyttää esikoulutetut mallipainot ja lisää koulutettavia hajauttamismatriiseja …
Tekoälykontekstissa ‘suora’ kuvaa usein arkkitehtuureja tai päättelyreittejä, …
Tekoälyn automaatio tarkoittaa algoritmien ja järjestelmien käyttöä tehtävien …