Ordliste

Deep belief-netværk (DBN'er)

Hvad er Deep belief-netværk (DBN'er)?

Deep belief-netværk (DBN'er) er neurale netværk bestående af flere lag stablet oven på hinanden, som først fortrænes lag for lag uden supervision, som regel som såkaldte begrænsede Boltzmann-maskiner (restricted Boltzmann machines). Geoffrey Hinton og kolleger introducerede metoden i 2006; den viste, at dybe netværk kunne trænes effektivt, og bidrog dermed til deep learning-gennembruddet. I praksis er DBN'er siden stort set blevet afløst af andre arkitekturer.

Emner

neurale netværk
deep learning
AI's historie

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

Deep learning

Deep learning er en gren af maskinlæring, der bruger kunstige neurale netværk med mange lag. Sådanne netværk lærer ud fra store datamængder, hvilke træk der er vigtige – fra kanter i billeder til betydningsrelationer i tekster. Deep learning ligger til grund for nutidens sprogmodeller, billed- og talegenkendelse og maskinoversættelse og kræver som regel betydelig regnekraft og mange træningsdata.

neurale netværk
maskinlæring
+1

Kunstige neurale netværk (ANN'er)

Kunstige neurale netværk (ANN'er) er beregningsmodeller bestående af mange forbundne enheder (»neuroner«) arrangeret i lag, som behandler input via vægtede forbindelser. Under træning justeres vægtene trin for trin ud fra eksempler, som regel ved backpropagation. ANN'er er fundamentet for deep learning og driver billedgenkendelse, talegenkendelse og store sprogmodeller. På trods af den biologiske inspiration fungerer de langt mere enkelt end den menneskelige hjerne.

Deep learning
AI-grundbegreber
+1

Unsupervised learning

Ved unsupervised learning får en model data uden foruddefinerede rigtige svar og leder selv efter strukturer. Typiske metoder er clustering, som grupperer ensartede datasæt, og dimensionsreduktion, som komprimerer mange features til nogle få væsentlige. Organisationer bruger det til at opdage kundesegmenter eller spotte usædvanlige transaktioner; de fundne grupper skal derefter fortolkes af fagfolk.

Maskinlæring
Clustering
+1