Tanh
Definition
De hyperbolische tangens (Tanh)-functie is een niet-lineaire activatiefunctie die veel …
Terms tagged with Deep Learning
De hyperbolische tangens (Tanh)-functie is een niet-lineaire activatiefunctie die veel …
Similariteitsleren richt zich op het trainen van modellen om invoergegevens naar een …
Zin-Transformers zijn uitbreidingen van traditionele Transformer-modellen (zoals BERT) …
De reparameterisatietrick is een fundamentele methode die wordt gebruikt in variatiële …
Pyannote Audio is een uitgebreide toolkit die is ontworpen om de ontwikkeling en …
Het Product van Experts (PoE) is een methode voor het construeren van complexe …
Multimodale representatielering houdt in dat modellen worden getraind om informatie te …
In GAN’s treedt mode collapse op wanneer de generator leert de zwakke punten van de …
Deze hypothese verklaart waarom deep learning effectief werkt ondanks de vloek der …
Highway-netwerken zijn ontworpen om het probleem van vervagende gradiënten in deep …
Een verborgen laag bestaat uit neuronen die invoer ontvangen van vorige lagen, gewichten …
AI-hardware verwijst naar gespecialiseerde rekenapparatuur die is geoptimaliseerd voor de …
Deze optimalisatiestrategie stelt diepe leermodellen in staat te trainen met effectieve …
Een Gated Recurrent Unit (GRU) is een gespecialiseerde cel in een recurrent neurale …
Feature learning, vaak geassocieerd met deep learning, stelt modellen in staat om …
Energy-Based Models (EBM’s) definiëren een kansverdeling over invoergegevens met …
Domeinadaptatie lost het probleem op wanneer trainings- en testgegevens uit verschillende …
Dubbele daling daagt de traditionele bias-variantieafweging uit door te laten zien dat …
DP-SGD is een variant van Stochastic Gradient Descent die is ontworpen om de privacy van …
BERT is een op transformers gebaseerde machine learning-techniek voor het voorspellen van …
Deze methode past activaties aan en schaalt ze zodat ze een gemiddelde van nul en een …
AlphaChip is een gespecialiseerd AI-systeem ontworpen om het plaatsen en routeren van …
Adversariële aanvallen benutten de kwetsbaarheden van neurale netwerken door subtiele …
Computer Visie (CV) is een tak van kunstmatige intelligentie die computers traint om …
Residuele verbindingen, ook wel skip-verbindingen genoemd, stellen gradients in staat …
RNN’s zijn ontworpen om patronen te herkennen in gegevenssequenties, zoals tekst, …
ReLU wordt veel gebruikt in neurale netwerken voor deep learning vanwege zijn …
LSTM-netwerken lossen het probleem van vervagende gradiënten op, dat veel voorkomt in …
In neurale netwerken voorkomt dropout overfitting door tijdelijk een willekeurige subset …
Een activatiefunctie introduceert nonlineariteit in een neuraal netwerk, waardoor het …
Een voorgeïnstalleerd model is een fundamenteel AI-model dat uitgebreid is getraind op …
Modellen op diffusiebasis zijn een klasse van generatieve AI die nieuwe gegevenssamples …
Transfer learning maakt gebruik van voorgeïnteresseerde modellen om de prestaties te …
Pre-training is een fundamentele techniek in deep learning waarbij een model brede …
Een neuraal netwerk is een serie algoritmen die probeert onderliggende relaties in een …
Multi-Head Attention breidt het standaard attention-mechanisme uit door deze meerdere …
Grote Taalmodellen (LLM’s) zijn geavanceerde kunstmatige intelligentiesystemen …
Diffusiemodellen zijn een klasse van generatieve AI die leren een stochastisch proces om …
Adam (Adaptive Moment Estimation) is een populair optimalisatie-algoritme op basis van …
Fine-tuning houdt in dat een model dat al is getraind op een grote, algemene dataset, …
Convolutionele Neuronale Netwerken (CNN’s) zijn ontworpen om automatisch en …
Een attention mechanisme stelt een model in staat om de belangrijkheid van verschillende …