پسانتشار
پسانتشار؛ روش محاسبه گرادیان خطا نسبت به وزنهای شبکه با حرکت معکوس از خروجی به ورودی؛ پایه آموزش بیشتر شبکههای عصبی امروزی.
مشاهدهٔ جزئیاتدر حال آمادهسازی...
مفاهیم و اصطلاحات هوش مصنوعی را عمیقتر بشناس.
پسانتشار؛ روش محاسبه گرادیان خطا نسبت به وزنهای شبکه با حرکت معکوس از خروجی به ورودی؛ پایه آموزش بیشتر شبکههای عصبی امروزی.
مشاهدهٔ جزئیاتزنجیرهسازی معکوس؛ روش استدلالی که از نتیجه شروع میکند و به عقب برای پیدا کردن دلایل حرکت میکند. این روش زمانی مفید است که یک نتیجه یا هدف مشخص داریم و میخواهیم ببینیم چه شرایطی میتواند رسیدن به آن را توجیه کند.
مشاهدهٔ جزئیاتمدل مبنا؛ یک مدل ساده که عملکرد مدلهای پیچیدهتر را با آن مقایسه میکنیم. Baseline یک نقطه شروع مشخص میکند تا بدانیم یک تغییر یا مدل جدید واقعا بهتر از راهحل ساده قبلی عمل کرده است.
مشاهدهٔ جزئیاتواحد پایه؛ یکصدم درصد، واحد رایج بیان نرخ و تفاوت بازده در مالی؛ مثلا اختلاف ۰٫۲۵ درصد برابر ۲۵ واحد پایه است.
مشاهدهٔ جزئیاتنرمالسازی بچ؛ تکنیکی برای پایدار کردن و سریعتر کردن آموزش شبکههای عصبی. این تکنیک با نرمالسازی فعالسازیهای لایهها میتواند آموزش شبکههای عمیق را پایدارتر و در بسیاری از موارد سریعتر کند.
مشاهدهٔ جزئیاتاندازه بچ؛ تعداد نمونههایی که مدل در هر مرحله آموزش پردازش میکند. اندازه بچ روی سرعت آموزش، مصرف حافظه و پایداری فرآیند یادگیری اثر میگذارد و مقدار مناسب آن به مدل و سختافزار بستگی دارد.
مشاهدهٔ جزئیاتطبقهبند بیزی؛ مدل طبقهبندی مبتنی بر قضیه بیز. این مدل بر پایه احتمال تصمیم میگیرد که یک نمونه به کدام کلاس تعلق دارد.
مشاهدهٔ جزئیاتقضیه بیز؛ فرمولی برای بهروزرسانی احتمالها بر اساس اطلاعات جدید. این قضیه زمانی کاربردی است که با مشاهده اطلاعات جدید بخواهیم احتمال یک فرضیه را دوباره محاسبه کنیم.
مشاهدهٔ جزئیاتاستنتاج بیزی؛ استفاده از احتمالات برای نتیجهگیری از دادهها. با ترکیب باور اولیه و شواهد جدید، احتمال فرضیهها بهروزرسانی میشود.
مشاهدهٔ جزئیاتشبکه بیزی؛ مدل گرافیکی برای نمایش روابط احتمالاتی بین متغیرها. در چنین شبکهای گرهها معمولا متغیرها و ارتباط بین آنها وابستگیهای احتمالی را نشان میدهد.
مشاهدهٔ جزئیاتبهینهسازی بیزی؛ روش هوشمند برای پیدا کردن بهترین تنظیمات مدل با آزمایشهای کم. وقتی ارزیابی هر تنظیم مدل هزینهبر است، این روش تلاش میکند با تعداد آزمایش کمتر به تنظیمات مناسب برسد.
مشاهدهٔ جزئیاتجستوجوی پرتو؛ الگوریتمی برای پیدا کردن بهترین دنباله خروجی در مدلهای زبانی. به جای نگه داشتن فقط یک مسیر، چند مسیر امیدوارکننده را همزمان دنبال میکند تا احتمال رسیدن به خروجی بهتر بیشتر شود.
مشاهدهٔ جزئیاتبنچمارک؛ مجموعه استانداردی از تستها و دادهها برای مقایسه عملکرد مدلها. بنچمارک مناسب باید شرایط مقایسه یکسانی ایجاد کند تا عملکرد مدلها بر اساس معیارهای مشخص قابل سنجش باشد.
مشاهدهٔ جزئیاتسوگیری؛ تمایل سیستم به خروجیهای ناعادلانه یا یکطرفه به دلیل دادههای آموزشی یا طراحی مدل. سوگیری میتواند باعث شود مدل برای بعضی گروهها یا شرایط عملکرد نامناسبتری داشته باشد و بنابراین باید در ارزیابی مدل بررسی شود.
مشاهدهٔ جزئیاتتعارض سوگیری-واریانس؛ تعادل بین ساده بودن مدل و توانایی یادگیری جزئیات داده. مدل بیشازحد ساده معمولا سوگیری بیشتری دارد و مدل بیشازحد پیچیده ممکن است واریانس بالایی داشته باشد؛ هدف پیدا کردن تعادل مناسب است.
مشاهدهٔ جزئیاتکلانداده؛ مجموعهدادههای بسیار بزرگ و پیچیده که با ابزارهای معمولی قابل پردازش نیستند. ویژگی کلانداده فقط حجم زیاد نیست و سرعت تولید، تنوع و پیچیدگی داده نیز اهمیت دارد.
مشاهدهٔ جزئیاتطبقهبندی دودویی؛ پیشبینی بین دو حالت مثل اسپم/غیر اسپم یا بیمار/سالم. خروجی چنین مدلی معمولا یکی از دو کلاس است؛ مثلا تشخیص ایمیل اسپم یا غیر اسپم.
مشاهدهٔ جزئیاتفیلتر بلوم؛ ساختار دادهای برای بررسی سریع اینکه آیا یک آیتم احتمالا در مجموعه هست یا نه. مزیت آن سرعت و مصرف حافظه کم است، اما ممکن است وجود یک آیتم را اشتباه مثبت اعلام کند و برای پاسخ قطعی مناسب نیست.
مشاهدهٔ جزئیاتباتها؛ برنامههای خودکار که کارهای تکراری مثل پاسخ به پیامها را انجام میدهند. باتها میتوانند برای پاسخگویی، جمعآوری اطلاعات، اجرای وظایف تکراری و ارتباط خودکار با کاربران استفاده شوند.
مشاهدهٔ جزئیاتجعبه محدودکننده؛ مستطیلی روی تصویر که محل یک شیء را نشان میدهد. در تشخیص اشیا، هر جعبه معمولا همراه با برچسب شیء و میزان اطمینان مدل ارائه میشود.
مشاهدهٔ جزئیاتهوش کسبوکار؛ تحلیل دادهها برای تصمیمگیری بهتر در سازمان. BI معمولا دادههای فروش، مالی، مشتری و عملیات را به گزارش و بینش قابل استفاده برای مدیران تبدیل میکند.
مشاهدهٔ جزئیات