Batchnormalisering är en teknik för att träna djupa neurala nätverk som för varje databatch skalar om ett lagers mellanvärden till ett enhetligt medelvärde och en enhetlig spridning. Det gör träningen stabilare och ofta snabbare, och nätverket blir mindre känsligt för sina startvärden. Tekniken introducerades 2015 och är vanlig i nätverk för bildigenkänning; transformrar använder oftast den närbesläktade lagernormaliseringen.
Djupinlärning är en gren av maskininlärningen som använder artificiella neurala nätverk med många lager. Sådana nätverk lär sig av stora datamängder vilka egenskaper som är viktiga – från kanter i bilder till betydelsesamband i texter. Djupinlärning ligger till grund för dagens språkmodeller, bild- och taligenkänning samt maskinöversättning och kräver vanligtvis stor beräkningskraft och mycket träningsdata.
Dropout är en regulariseringsteknik som används vid träning av neurala nätverk: i varje träningssteg stängs en slumpmässig andel av neuronerna tillfälligt av. Det hindrar nätverket från att förlita sig på enskilda kopplingar, så att det lär sig mer robusta mönster. Tekniken minskar överanpassning, det vill säga att modellen bara memorerar träningsdatan. När den färdiga modellen sedan används är alla neuroner aktiva igen.
Regularisering omfattar tekniker som hindrar en modell från att under träningen anpassa sig för nära till sina träningsdata (överanpassning). Exempel är att straffa stora vikter (L1- eller L2-regularisering), slumpmässigt stänga av neuroner (dropout) eller avbryta träningen vid rätt tidpunkt (early stopping). Målet är en enklare modell som presterar mer tillförlitligt på nya, osedda data, även om den får något lägre resultat på träningsdata.
Gradientnedstigning är den optimeringsmetod som används för att träna de flesta AI-modeller. Man mäter hur stort modellens fel är, beräknar i vilken riktning parametrarna måste ändras för att minska det och tar sedan ett litet steg i den riktningen – om och om igen. Det är som en vandrare i dimma som hela tiden går nedför för att nå dalen. Stegstorleken (inlärningshastigheten) avgör fart och stabilitet.
