Machine learning

What-does-it-mean.org

発展アルゴリズム

��展のアルゴリズム(またEA、発展の計算、人工的な改革)使用するpopulation-based最適化(数学)のアルゴリズムを明記するのに使用される一般的な用語再生、突然変異および組み変えのような生物的改革によって、促されるメカニズムである(遺伝オペレータに会いなさい)。 最適化問題の演劇への候補者の解決人口に於いての個人の役割、および費用関数は生きている解決環境を定める(適性機能をまた見なさい)。 人口の改革は上記のオペレータの繰り..

伝搬

ackpropagationはトレーニングのニューラルネットワークに使用する技術である。 それは入れ前方ネットワーク(のために最も有用フィードバックがないネットワーク、または単にである、ループ)接続がない。 タームはエラーの伝搬の逆方向に省略である。 Backpropagationは単位に(時々ニューロンと呼出される)使用する伝達関数が区別できることを必要とする。 技術の要点は次の通りである-ニューラルネットワークにトレーニングのサンプルを示しな�..

誘導バイアス

��公式に話して、機械学習のアルゴリズムの誘導バイアスは追加仮定を学習者が今のところ見つけられてしまわなかった状態のための正しい出力を予測するのに使用すること、示す。 機械学習で1つはアルゴリズムの構築に、それある特定のターゲットouputを予測することを学べる向ける。 これのために学習者は入出力値の意図されていた関係を示すトレーニングの例の限られた数を示される。 正常な学習の後で、学習者はトレーニングの間に示�..

Perceptron

erceptronはタイプの率直なRosenblattによってコルネルの航空の実験室で1957年に発明される人工の神経ネットワークである。 perceptronは一連の重量によって出力に人工的なニューロンの複数の層から、入力入れられる直接成っている。 このようにそれはfeedforwardネットワークの最も簡単な種類として考慮することができる。 各ニューロンは入力の重くされた合計を-入力および対応する重量のプロダクトのすべての入力のためのすなわち、合計計算する..

ケース基づ推論

��く解釈されるケースベースの推論(CBR)は、同じような過去問題の解決に基づいて新しい問題を解決するプロセスである。 同じような徴候を表わした別の自動車の再呼び出しによってエンジンを固定する自動車整備士はケースベースの推論を使用している。 試験の特定の結果を支持する弁護士は判例か事例法律を作成する裁判官に使用しているケースベースの推論を基づいていた。 そう、余りに、働く性質(biomimicry練習)の要素をコピーしている�..

Pattern recognition

��ィリアムGibson (小説家)小説については、見なさい: パターン認識(小説)。 パターン認識は(別名分類かパターン分類)コンピュータ・サイエンスの領域内のフィールド、生データの取り、データ1のカテゴリに基づいて処置をとることの行為と定義することができる。 それは統計量、機械学習および他の領域からの方法を使用する。 典型的なアプリケーションは複数のカテゴリ(例えばスパム/非スパムの電子メールメッセージ)にテキストの自動言語..

隠Markovモデル

arkov隠されたモデル(HMM)は模倣されるシステムが未知パラメータのMarkovプロセスの仮定される統計モデルおよび挑戦この仮定に基づいて隠されたパラメータを、観察可能なパラメータから、定めることであるである。 得られたモデルパラメータがそれからパターン認識アプリケーションのためのそれ以上の分析を、例えば行うのに使用することができる。 Markov規則的なモデルでは、州は観測者に直接目に見え、従って状態遷移確率は唯一のパラメ..

後押し

��押しは指示された学習を行うための機械学習の技術である。 後押しは段階に現在の博学な機能へのインクレメンタルに追加によって、発生する。 あらゆる段階で、弱い学習者(すなわち、わずかに以上のチャンス悪い正確さを有することができる者)はデータとトレインする。 弱い学習者の出力は強さの博学な機能にそれから正確弱い学習者がどのようににあるか)、追加される(比例した。 そして、データはreweightedある:..

純真ベイズ助数詞

��イズの純真な助数詞(別名馬鹿ベイズ)は簡単で確率的な分類である。 ベイズの純真な助数詞は頻繁にベアリングが現実にはない強く統計的な独立仮定を、それ故にである(慎重に)純真組み込む確率モデルに基づいている。 根本的な確率モデルのためのより説明的なタームは独立した機能モデルである。 なお確率モデルはベイズの定理を使用してことができる(トマスベイズに信じられる)得る。 確率モデルの精密な性質によって、ベイズの純真な..

自己組織マップ

��己組織のマップ(SOM)は重量がトレーニングセットのマッチの入力ベクトルに適応する人工的なニューロンの格子に基づいて監視されていない学習のための方法、である。 それはTeuvo Kohonenによって最初に、記述され従って時々 Kohonenのマップと言われる。 また見なさい: 生成的な地形図(GTM)。..