Újraparaméterezés trükk
Definition
Az újraparaméterezés trükk egy alapvető módszer, amelyet a variációs autoenkóderekben és …
Terms tagged with Deep Learning
Az újraparaméterezés trükk egy alapvető módszer, amelyet a variációs autoenkóderekben és …
A Pyannote Audio egy átfogó eszközkészlet, amelyet a beszélődiarizációs rendszerek …
A Szakértők szorzata (PoE) egy módszer komplex valószínűségi eloszlások összeállítására …
A többmodális reprezentációtanulás olyan modellek képzését jelenti, amelyek képesek …
A GAN-okban a módösszeomlás akkor következik be, amikor a generátor megtanulja …
Ez a hipotézis megmagyarázza, miért működik hatékonyan a mélytanulás annak ellenére, hogy …
A Highway Networks a mély tanulásban fellépő eltűnő gradiens problémát kezelik adaptív …
Egy rejtett réteg neuronokból áll, amelyek bemeneteket kapnak az előző rétegektől, …
Az AI-hardware kifejezés a gépi tanulási terhelésekhez szükséges hatalmas párhuzamos …
Ez az optimalizálási stratégia lehetővé teszi, hogy a mélytanulási modelleket hatékonyabb …
A Záras Visszatérő Egység (GRU) egy specializált visszatérő neurális hálózati (RNN) sejt, …
A jellemzőtanulás, amely gyakran a mélytanulással hozható összefüggésbe, lehetővé teszi a …
Az Energiával Alapozott Modellek (EBM) egy normalizálatlan sűrűségfüggvény segítségével …
A kettős lejtés kihívást jelent a hagyományos torzítás-variancia kompromisszummal …
A tartományspecifikus adaptáció azt a kihívást kezeli, amikor a tanító- és tesztadatok …
A DP-SGD a Sztochasztikus Gradiens Leengedés (SGD) egy olyan változata, amelyet a …
A BERT a Google által fejlesztett, transzformátor-alapú gépi tanulási technika a …
Ez a módszer igazítja és skálázza az aktivációkat úgy, hogy azok nulla átlagot és …
Az AlphaChip egy specializált mesterséges intelligencia rendszer, amelyet a mikrochipeken …
Az adversáriális támadások kihasználják a neurális hálózatok sebezhetőségeit a …
A számítógépes látás (CV) az artificial intelligence egyik ága, amely a számítógépeket …
A maradványos kapcsolatok, más néven ugrókapcsolatok, lehetővé teszik a gradiens …
Az RNN-ket arra tervezték, hogy mintázatokat ismerjenek fel az adatok szekvenciáiban, …
A ReLU széles körben használt a mélytanuló neurális hálózatokban számítási hatékonysága …
Az LSTM hálózatok megoldják a szabványos RNN-ekben gyakori eltűnő gradiens problémát egy …
Az ideghálózatokban a dropout megakadályozza a túltanulást azzal, hogy minden tanítási …
Az aktivációs függvény nemlinearitást vezet be a neurális hálózatba, lehetővé téve …
Egy pre-tréningelt modell egy alapvető mesterséges intelligencia modell, amely kiterjedt …
A diffúziós alapú modellek a generatív AI egy olyan osztályát képezik, amelyek új …
Az átviteli tanulás előre betanított modelleket használ fel a teljesítmény javítására és …
Az előtanítás egy alapvető technika a mélytanulásban, ahol a modell széles körű …
Egy neurális hálózat algoritmusok sorozata, amely megpróbálja felismerni az adatok …
A Többfejes Figyelem kiterjeszti az alapfigyelem mechanizmust azzal, hogy azt többször …
A Nagy Nyelvi Modellek (LLM-k) a transzformátor architektúrákon alapuló, fejlett …
A diffúziós modellek a generatív AI egy osztálya, amelyek megtanulnak megfordítani egy …
Az Adam (Adaptive Moment Estimation) egy népszerű, elsőrendű gradiens alapú …
A finomhangolás magában foglalja egy már nagy, általános adathalmazon tanított modell …
A Konvolúciós Neurális Hálózatok (CNN-ek) úgy lettek tervezve, hogy automatikusan és …
A figyelemmechanizmus lehetővé teszi egy modell számára, hogy dinamikus súlyt adjon a …