Újraparaméterezés trükk
Definition
Az újraparaméterezés trükk egy alapvető módszer, amelyet a variációs autoenkóderekben és …
Terms tagged with Optimization
Az újraparaméterezés trükk egy alapvető módszer, amelyet a variációs autoenkóderekben és …
A regularizáció a gépi tanulásban egy kulcsfontosságú fogalom, amelyet arra terveztek, …
A véletlen jellemzőképek a bemeneteket egy új térbe transzformálják, ahol lineáris …
A kvantálás egy modelloptimalizálási technika, amely csökkenti a gépi tanulási modell …
A közvetítő gradiens módszerek iteratív optimalizációs technikák, amelyeket akkor …
A prompt hangolás egy előre tanult nyelvi modell bemeneti rétegéhez hozzáadott …
A PagedAttention a vLLM projekt által bevezetett technika, amely javítja a nagy nyelvi …
Az Intel által fejlesztett OpenVINO (Open Visual Inference and Neural network …
Az MXFP4 (Mixed eXtended Floating Point 4-bit) egy speciális adattípus-formátum, amelyet …
A szorzos súlyfrissítési módszer egy alapvető online tanuló algoritmus, amelyet …
Ez a technika kihasználja a kapcsolódó feladatok közötti közös induktív torzítást a …
A MobileNetek a mélységi szétválasztható konvolúciókat használják, amelyek drasztikusan …
Ebbe a kategóriába tartoznak a metódusok, mint például a levágás (pruning), kvantálás és …
A vegyes pontosságú tanítás (MPT) félprecizitású (FP16) és teljes precizitású (FP32) …
A meta tanulás arra összpontosít, hogy olyan algoritmusokat tervezzenek, amelyek képesek …
A mátrix szabályozás a skalár szabályozási fogalmakat mátrixokra terjeszti ki, gyakran …
A helyi esettanulmány-kontroll mintavételezés elsősorban kontrasztív tanuló modellek vagy …
A Lottójegy Hipotézis szerint egy nagy, véletlenszerűen inicializált neurális hálózatban …
Ez a fogalom a megerősítéses tanulásból ered, és egy ismeretlen környezettel interakcióba …
A rétegnormalizálás stabilizálja a tanítást a belső kovariáns eltolódás csökkentésével, …
A tudásdistilláció egy gépi tanulási módszer, amelyet egy nagy, komplex neurális hálózat …
A tudásfordítás az mesterséges intelligencia azon technikáira utal, amelyek egy …
A példaválasztás célja a számítási hatékonyság és a modellteljesítmény javítása redundáns …
Az Incremental Heuristic Search (Fokozatos Heurisztikus Keresés) olyan algoritmusokra …
Az Imatrix (Importance Matrix) rövidítés, amely elsősorban a GGML-alapú LLM tréninghez és …
A hipercsomagparaméter-beállítás magában foglalja különböző …
A Hipercsomagparaméter-optimalizálás (HPO) a hipercsomagparaméterek kiválasztásának …
A Hierarchikus Kockázati Paritás (HRP) egy portfólió-konstruálási módszer, amely a …
Ez az optimalizálási stratégia lehetővé teszi, hogy a mélytanulási modelleket hatékonyabb …
Nincs egyetlen szabványos ‘GLM MoE DSA’ kifejezés. Valószínűleg a GLM-t (egy …
A GGUF (GPT-Generated Unified Format) egy bináris fájlformátum, amelyet kifejezetten nagy …
A Floating-Point 8 (FP8) egy numerikus adattípus, amely egyensúlyt teremt a számítási …
A finomhangolás azt a technikát jelenti, amikor egy már nagy, általános adathalmazon …
A fitnesz közelítést az evolúciós számításban akkor alkalmazzák, amikor az igazi …
A jellemzőhashelés, más néven hashelési trükk, lehetővé teszi a gépi tanulási modellek …
A jellemzőskálázás szabványosítja a bemeneti változók tartományát, hogy megakadályozza a …
A jellemzőmérnökség annak művészete, hogy a szakértelmet kihasználva a nyers adatokat …
Ellentétben a genetikai algoritmusokkal, amelyek populációt tartanak fenn, az EO egyetlen …
A döntéshozatali folyamatokban az ügynökök kompromisszumkényszerben állnak: …
Számítási kontextusban az evolválhatóság arra utal, hogy egy algoritmus vagy neurális …
Az Empirikus Kockázatminimalizálás (ERM) a felügyelt tanuló modellek betanításának …
A Google által kifejlesztett EfficientNet egy összetett skálázási módszert használ a …
Ez a gyakorlat a betanított AI-modellek közvetlen telepítését jelenti olyan hardverekre, …
Ez a kifejezés az Expectation-Maximization (EM) algoritmus és a Gauss-keverékmodellek …
Az early stopping egy regularizációs forma, amelyet elsősorban iteratív képzési …
A DP-SGD a Sztochasztikus Gradiens Leengedés (SGD) egy olyan változata, amelyet a …
Az LTX vezeték azokhoz a modellekhez van igazítva, amelyek a generatív feladatoknál a …
A metszés (pruning) egy módszer a túlzott illeszkedés (overfitting) megelőzésére döntési …
A Keresztentrópia-módszer (CEM) egy hatékony, általános célú optimalizálási algoritmus, …
A költségérzékeny gépi tanulás kiterjeszti a hagyományos felügyelt tanulást azzal, hogy …
A kontrasztív tanulás egy reprezentáció tanítási módszer, amely nem igényel címkézett …
A számítási heurisztikus intelligencia olyan algoritmusokat foglal magában, amelyek …
A tömörített tenzorok olyan többdimenziós tömbök, amelyeket a mélytanulásban használnak, …
A mélytanulás mérnöki gyakorlatában a vágást gyakran alkalmazzák a gradiensre a robbanó …
Az AI mérnökségben a gyorsítótározás optimalizálja a teljesítményt, ha a legutóbbi vagy …
A bayesi optimalizálás valószínűségi helyettesítő modellt (általában Gauss-folyamatot) …
A köteg mérete egy kritikus hiperparaméter, amely meghatározza, hány mintát dolgoz fel 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 algoritmuskiválasztás magában foglalja a különböző számítási megközelítések …
Útvonalkeresési és keresési problémákban egy elfogadható heurisztika alsó korlátot ad meg …
Ez a terület a lineáris algebra alapvető számításainak felgyorsítására fókuszál, amelyek …
Az A/B tesztelés egy randomizált kontrollált kísérlet, amelyben két variánst, az A-t és a …
A maradványos kapcsolatok, más néven ugrókapcsolatok, lehetővé teszik a gradiens …
A kvantálás a magas pontosságú lebegőpontos számokat (pl. FP32) alacsonyabb pontosságú …
A QLoRA kombinálja az alacsony rangú adaptációt (LoRA) a 4 bites kvantálással, jelentősen …
A tanulási ráta határozza meg, hogy a modell súlyait mennyire frissítik a kiszámított …
A gradiens lejtés egy elsőrendű iteratív optimalizációs algoritmus egy differenciálható …
A Megosztott Tanítás párhuzamos számítással gyorsítja a modell konvergenciáját több GPU-n …
Az adapterek paraméter-hatékony finomhangolási technikák, amelyeket elsősorban nagy …
A feladatspecifikus kifejezés olyan AI modellekre vagy komponensekre utal, amelyeket szűk …
A gépi tanulásban és optimalizálásban az egy lépéses módszerek közvetlenül oldják meg a …
A mesterséges intelligencia és a matematika területén az ’elsőrendű’ …
A finomhangolás egy olyan modellt vesz át, amelyet már nagy, általános adathalmazon …
Az átviteli tanulás előre betanított modelleket használ fel a teljesítmény javítására és …
A hangolás egy gépi tanulási modell finomítását jelenti a jobb pontosság vagy hatékonyság …
Az AI fejlesztésében a ‘felé’ gyakran az optimalizációs folyamatok …
A skálázás az aktív módszer az AI rendszerek bővítésére több réteg, neuront vagy képzési …
Az AI-ban a ‘rate’ leggyakrabban a tanulási rátára utal, egy …
Az AI és az optimalizáláselméletben egy optimális megoldás az, amely a lehető legmagasabb …
A veszteségfüggvények (más néven költségfüggvények) azt mérik, mennyire illeszkednek a …
A LoRA felfüggeszti (fagyasztja) az előre betanított modell súlyait, és betanítható …
Az AI-ban a „globális” kifejezés általában a „helyi” (local) szembenállásában …
A ‘gyors’ kifejezés a mesterséges intelligencia modellekben a számítási …
A hatékonyság kritikus mutató a mesterséges intelligenciában, amely azt méri, hogy egy …
Az optimalizálás kontextusában a szétszóródás akkor következik be, amikor a modell …
Ez a folyamat a tudás átvitelét jelenti egy komplex, nagy teljesítményű …
Ez a fogalom olyan módszereket foglal magában, mint az ensemble tanulás, ahol több modell …
Az Adam (Adaptive Moment Estimation) egy népszerű, elsőrendű gradiens alapú …
A finomhangolás magában foglalja egy már nagy, általános adathalmazon tanított modell …
A prompt mérnökség magában foglalja a specifikus bemenetek, az úgynevezett promptok …