Minimering av strukturell risk
Definition
Minimering av strukturell risk (SRM) är en metod för att minimera förväntad risk genom …
Optimization
Terms tagged with Optimization
Strukturerad sparsitetsregularisering
Definition
Strukturerad sparsitetsregularisering utvidgar standard L1-regularisering genom att …
Semantisk veckning
Definition
Semantisk veckning syftar på processen att komprimera komplexa, högdimentionella …
Reparameteriseringstricket
Definition
Reparameteriseringstricket är en grundläggande metod som används i variationella …
Regularisering
Definition
Regularisering är ett avgörande begrepp inom maskininlärning som syftar till att minska …
Slumpmässig funktion
Definition
Slumpmässiga funktionsavbildningar transformerar indata till ett nytt rum där linjära …
Kvantiserad
Definition
Kvantisering är en teknik för modelloptimering som minskar den numeriska precisionen hos …
Prompt-tuning
Definition
Prompt-tuning innebär att tränbara mjuka prompts (kontinuerliga vektorer) läggs till i …
Proximala gradientmetoder för inlärning
Definition
Proximala gradientmetoder är iterativa optimeringstekniker som används när …
PagedAttention
Definition
PagedAttention är en teknik som introducerades av vLLM-projektet för att förbättra …
OpenVINO
Definition
Utvecklat av Intel tillåter OpenVINO (Open Visual Inference and Neural network …
Mxfp4
Definition
MXFP4 (Mixed eXtended Floating Point 4-bit) är ett specialiserat datatypformat som …
Multiplikativ viktuppdateringsmetod
Definition
Metoden för multiplikativ viktuppdatering är en grundläggande algoritm för onlinelärande …
Multi-task Learning
Definition
Denna teknik utnyttjar den induktiva bias som delas mellan relaterade uppgifter för att …
MobileNet
Definition
MobileNets använder djupseparerbara convolutioner för att drastiskt minska …
Model Compression
Definition
Denna kategori inkluderar metoder som beskärning, kvantisering och kunskapsdistillation, …
Träning med blandad precision
Definition
Träning med blandad precision (MPT) kombinerar halvprecision (FP16) och full precision …
Meta-inlärning
Definition
Meta-inlärning fokuserar på att utforma algoritmer som kan lära sig från tidigare …
Matrisregularisering
Definition
Matrisregularisering utvidgar skalära regulariseringskoncept till matriser, ofta använt i …
Lokalt fall-kontroll-urval
Definition
Lokalt fall-kontroll-urval är en strategi som främst används vid träning av …
Lottospelshypotesen
Definition
Lottospelshypotesen föreslår att inom ett stort, slumpmässigt initialiserat neutralt …
Lärande automat
Definition
Detta koncept härstammar från förstärkningsinlärning och involverar en agent som …
Lagnormalisering
Definition
Lagnormalisering stabiliserar träningen genom att minska intern kovariansförskjutning, …
Knowledge Compilation
Definition
Knowledge compilation syftar på tekniker inom artificiell intelligens som omvandlar en …
Knowledge Distillation
Definition
Knowledge distillation är en metod inom maskininlärning som används för att komprimera …
Instansval
Definition
Instansval syftar till att förbättra beräkningseffektivitet och modellprestanda genom att …
Incrementell Heuristisk Sökning
Definition
Incrementell Heuristisk Sökning avser algoritmer som förfinar en kandidatsteg för steg, …
Imatrix
Definition
Imatrix, förkortning för Importance Matrix, är en teknik som främst är associerad med …
Hyperparameterjustering
Definition
Hyperparameterjustering innebär att utvärdera olika uppsättningar av hyperparametrar för …
Hyperparameteroptimering
Definition
Hyperparameteroptimering (HPO) hänvisar till det bredare fältet för att automatisera …
Hierarkisk riskparitet
Definition
Hierarkisk riskparitet (HRP) är en metod för portföljkonstruktion som adresserar …
Gradient Accumulation
Definition
Denna optimeringsstrategi gör det möjligt att träna djupinlärningsmodeller med effektiva …
GLM MoE DSA
Definition
Det finns ingen enskild standardterm ‘GLM MoE DSA’. Det kombinerar dock …
GGUF
Definition
GGUF (GPT-Generated Unified Format) är ett binärt filformat utformat specifikt för att …
FP8
Definition
Flyttal 8 (FP8) är en numerisk datatyp som erbjuder en balans mellan …
Finjusterad
Definition
Finjustering avser tekniken att ta en modell som redan har tränats på ett stort, allmänt …
Fitnessapproximering
Definition
Fitnessapproximering används inom evolutionär beräkning när utvärderingen av den verkliga …
Funktionshashning
Definition
Funktionshashning, även känd som hash-tricket, gör att maskininlärningsmodeller kan …
Funktionsskalning
Definition
Funktionsskalning standardiserar intervallet för indatavariabler för att förhindra att …
Funktionsingenjörskonst
Definition
Funktionsingenjörskonst är konsten att utnyttja expertis inom ett specifikt område för …
Extremal optimering
Definition
Till skillnad från genetiska algoritmer som upprätthåller en population, arbetar EO med …
Utforsknings-utnyttjandets dilemma
Definition
I beslutsfattandeprocesser står agenter inför en avvägning: de kan utnyttja aktuell …
Evolverbarhet
Definition
Inom datavetenskap syftar evolverbarhet på hur lätt en algoritm eller neuralt …
Empirisk riskminimering
Definition
Empirisk Riskminimering (ERM) är den standardiserade målfunktionen för att träna modeller …
Edge-inferens
Definition
Denna praxis innebär att distribuerade tränade AI-modeller direkt till hårdvara som …
EfficientNet
Definition
Utvecklad av Google använder EfficientNet en metod för sammansatt skalning för att …
EM-algoritmen och GMM-modellen
Definition
Denna term syftar på det synergistiska sambandet mellan Expectation-Maximization …
Tidig stoppning
Definition
Tidig stoppning är en form av regularisering som främst används i iterativa …
Differentiellt privat stokastisk gradientnedgång
Definition
DP-SGD är en variant av Stokastisk Gradientnedgång utformad för att skydda integriteten …
Diffusers: LTX-pipeline
Definition
LTX-pipelinen är skräddarsydd för modeller som prioriterar hastighet och effektivitet i …
Beslutsträdspuning
Definition
Puning är en metod som används för att förhindra överanpassning i beslutsträdsmodeller …
Korsentropimetoden
Definition
Korsentropimetoden (CEM) är en kraftfull allmän optimeringsalgoritm som används för både …
Kostnadsmedveten maskininlärning
Definition
Kostnadsmedveten maskininlärning utökar traditionell övervakad inlärning genom att …
Kontraktiv inlärning
Definition
Kontraktiv inlärning är en representationsinlärningsmetod som inte kräver märkt data. Den …
Beräkningsmässig heuristisk intelligens
Definition
Beräkningsmässig heuristisk intelligens innebär algoritmer som använder tumregler, …
Komprimerade tensorer
Definition
Komprimerade tensorer är multidimensionella arrayer som används inom djupinlärning där …
Begränsning (Clipping)
Definition
Inom djupinlärning appliceras clipping vanligtvis på gradienter för att mildra problemet …
Caching
Definition
Inom AI-teknik optimerar caching prestandan genom att hålla senaste eller frekventa …
Batchstorlek
Definition
Batchstorleken är en kritisk hyperparameter som avgör hur många prover som bearbetas …
Bayesiansk optimering
Definition
Bayesiansk optimering använder en probabilistisk surrogatemodell, vanligtvis en …
Batchnormalisering
Definition
Denna metod justerar och skalactivationsfunktionerna så att de har nollmedelvärde och …
AlphaChip
Definition
AlphaChip är ett specialiserat AI-system designat för att automatisera och förbättra …
Algoritmval
Definition
Algoritmval innebär att utvärdera olika beräkningsmetoder för att avgöra vilken som bäst …
Admissibel heuristik
Definition
Vid sökning och vägvalsproblem ger en admissibel heuristik en undre gräns för den …
Accelerated Linear Algebra
Definition
Detta område fokuserar på att påskynda grundläggande linjära algebra-bereknningar, som är …
A/B-testning
Definition
A/B-testning är en randomiserad kontrollerad experiment där två varianter, A och B, …
Restkoppling
Definition
Restkopplingar, även kända som skip-kopplingar, möjliggör att gradienter flödar genom ett …
Kvantisering
Definition
Kvantisering omvandlar högprecisions flyttal (som FP32) till format med lägre precision …
QLoRA
Definition
QLoRA kombinerar lågrangsanpassning (LoRA) med 4-bits kvantisering för att avsevärt …
Inlärningshastighet
Definition
Inlärningshastigheten bestämmer hur mycket modellens vikter uppdateras i förhållande till …
Gradientnedstigning
Definition
Gradientnedstigning är en förstordningens iterativ optimeringsalgoritm för att hitta ett …
Distribuerad träning
Definition
Distribuerad träning påskyndar modellkonvergens genom att parallellisera beräkningar över …
Adapter
Definition
Adapters är en teknik för finjustering med låg parameterförbrukning som främst används i …
uppgiftsspecifik
Definition
Uppgiftsspecifik avser AI-modeller eller komponenter som är skräddarsydda för att utmärka …
one-step
Definition
Inom maskininlärning och optimering löser one-step-metoder problem direkt utan att kräva …
första ordningens
Definition
Inom artificiell intelligens och matematik beskriver “första ordningen” …
finjusterad
Definition
Finjustering innebär att ta en modell som redan har tränats på ett stort, allmänt dataset …
Justering
Definition
Justering innebär att finjustera en maskininlärningsmodell för att uppnå bättre …
Överföringsinlärning
Definition
Överföringsinlärning utnyttjar förtränade modeller för att förbättra prestanda och minska …
Mot
Definition
Inom AI-utveckling beskriver ‘mot’ ofta trajektorin för optimeringsprocesser, …
Skalning
Definition
Skalning är den aktiva metodiken för att utöka AI-system genom att lägga till fler lager, …
Takt / Hastighet
Definition
Inom AI avser ‘rate’ oftast inlärningstakten, en hyperparameter som styr hur …
Optimal
Definition
Inom AI och optimeringsteori är en optimal lösning en som uppnår den högsta möjliga …
Förlust
Definition
Förlustfunktioner, även kända som kostnadsfunktioner, mäter hur väl en …
LoRA
Definition
LoRA fryser förtränade modellvikter och infogar tränbara dekompositions-matriser i varje …
Global
Definition
Termen ‘global’ inom AI står vanligtvis i kontrast till ’lokal’ …
Snabb
Definition
Begreppet ‘snabb’ beskriver beräkningsmässig effektivitet inom artificiell …
Effektiv
Definition
Effektivitet är en kritisk mätstorhet inom artificiell intelligens som mäter hur väl en …
Distillation
Definition
Denna process innebär att överföra kunskap från ett komplext, högpresterande …
Divergens
Definition
Inom optimering uppstår divergens när modellparametrarna uppdateras på ett sätt som får …
Kombinering
Definition
Detta koncept omfattar metoder som ensemble-inlärning, där förutsägelser från flera …
Adam
Definition
Adam (Adaptive Moment Estimation) är en populär förstordningens gradientbaserad …
Finjustering
Definition
Finjustering innebär att ta en modell som redan är tränad på en stor, allmän datamängd …
Prompt Engineering
Definition
Prompt engineering innebär att utforma specifika inmatningar, så kallade prompts, för att …