Glossarju

Normalizzazzjoni tal-lott

X'inhu Normalizzazzjoni tal-lott?

In-normalizzazzjoni tal-lott hija teknika għat-taħriġ ta' netwerks newrali profondi li terġa' tiskala l-valuri intermedji ta' saff għal kull lott ta' data għal medja u firxa konsistenti. Dan jagħmel it-taħriġ aktar stabbli u ta' spiss aktar mgħaġġel, u n-netwerk isir inqas sensittiv għall-valuri inizjali tiegħu. Introdotta fl-2015, hija komuni fin-netwerks tar-rikonoxximent tal-immaġini; it-transformers normalment jistrieħu fuq in-normalizzazzjoni tas-saff, li hija relatata.

Suġġetti

Tagħlim profond
Training
Netwerks newrali

Ipprova KI.ordo

Aġenti, flussi tax-xogħol u mudelli fi spazju tax-xogħol wieħed – demo b'xejn għal 24 siegħa.

Ibda d-demo

← It-termini kollha

Termini relatati

Tagħlim profond

It-tagħlim profond (deep learning) huwa fergħa tat-tagħlim awtomatiku li juża netwerks newrali artifiċjali b'ħafna saffi. Netwerks bħal dawn jitgħallmu minn kwantitajiet kbar ta' data liema karatteristiċi huma importanti – minn truf f'immaġini sa relazzjonijiet ta' tifsira f'testi. It-tagħlim profond huwa l-bażi tal-mudelli lingwistiċi, tar-rikonoxximent tal-immaġini u tad-diskors u tat-traduzzjoni awtomatika tal-lum, u normalment jeħtieġ qawwa tal-komputazzjoni u data tat-taħriġ konsiderevoli.

netwerks newrali
tagħlim awtomatiku
+1

Dropout

Id-dropout hija teknika ta' regolarizzazzjoni użata fit-taħriġ ta' netwerks newrali: f'kull pass tat-taħriġ sehem każwali ta' newroni jintfew temporanjament. Dan iżomm lin-netwerk milli jiddependi minn konnessjonijiet individwali, u b'hekk jitgħallem mudelli aktar robusti. Inaqqas l-overfitting, jiġifieri li sempliċement jitfakkar id-data tat-taħriġ. Meta l-mudell lest jintuża aktar tard, in-newroni kollha jerġgħu jkunu attivi.

taħriġ
regolarizzazzjoni
+1

Regolarizzazzjoni

Ir-regolarizzazzjoni tkopri tekniki li jwaqqfu mudell milli jadatta wisq mill-qrib għad-data tat-taħriġ tiegħu waqt it-taħriġ (overfitting). L-eżempji jinkludu penali fuq piżijiet kbar (regolarizzazzjoni L1 jew L2), tfi każwali ta' newroni (dropout) jew twaqqif tat-taħriġ fil-mument it-tajjeb (early stopping). L-għan huwa mudell aktar sempliċi li jaħdem b'mod aktar affidabbli fuq data ġdida li ma ratx qabel, anki jekk jikseb punteġġ kemmxejn inqas fuq id-data tat-taħriġ.

taħriġ
overfitting
+1

Gradient descent

Il-gradient descent huwa l-metodu ta' ottimizzazzjoni użat biex jitħarrġu ħafna mudelli tal-IA. Tkejjel kemm hu kbir l-iżball tal-mudell, tikkalkula f'liema direzzjoni jridu jinbidlu l-parametri biex jitnaqqas, u mbagħad tieħu pass żgħir f'dik id-direzzjoni – għal darb'oħra u darb'oħra. Huwa bħal min jimxi fuq il-muntanji fid-dbiel u jibqa' jinżel 'l isfel biex jasal fil-wied. Id-daqs tal-pass (rata tat-tagħlim) jiddetermina l-veloċità u l-istabbiltà.

Ottimizzazzjoni
Taħriġ tal-mudelli
+1