Słownik opanowanych pojęć
Słownik opanowanych pojęć
Specjalne | A | Ą | B | C | Ć | D | E | Ę | F | G | H | I | J | K | L | Ł | M | N | Ń | O | Ó | P | Q | R | S | Ś | T | U | V | W | X | Y | Z | Ź | Ż | Wszystkie
A |
---|
Adamalgorytm optymalizacji łączący zalety momentum i RMSProp, dostosowujący adaptacyjnie tempo uczenia dla różnych parametrów. | |
Aktywacja neuronuwartość wyjścia neuronu uzyskiwana po zastosowaniu funkcji aktywacji. | |
Algorytmy gradientowealgorytmy optymalizacji, które wykorzystują gradient funkcji kosztu do aktualizacji parametrów modelu. | |
Autoenkodersieć neuronowa uczona bez nadzoru, której celem jest odtworzenie danych wejściowych na wyjściu, używana do uzyskania reprezentacji danych o mniejszym wymiarze. | |
B |
---|
Batch normalizationtechnika normalizacji danych wejściowych dla kolejnych warstw sieci neuronowej, stabilizująca proces uczenia poprzez normalizację wartości w ramach mini-batchy. | |
D |
---|
Dane uczącezestaw przykładów używanych do trenowania modelu. | |
Dekoderdruga część autoenkodera, odtwarzająca dane wejściowe na podstawie reprezentacji o mniejszym wymiarze. | |
Detekcja obiektówidentyfikacja i lokalizacja obiektów na obrazach, np. twarzy na zdjęciu. | |
Douczenie modelu (fine-tuning)dalsze trenowanie modelu na nowych danych, aby utrzymać jego dokładność w zmieniających się warunkach lub dostosowanie do specyfiki problemu. | |