کلمات | توضیح | |
---|---|---|
۱ | Gan |
مخفف شبکه مولد تخاصمی.(generative adversarial network.) |
۲ | Generalization |
به توانایی مدل در ارائه پیشبینیهای صحیح در مورد دادههای جدید برای آموزش مدل اشاره دارد. |
۳ | Generalization Curve |
منحنیای که میزان اتلاف مجموعه آموزش و مجموعه اعتبار سنجی را نشان میدهد. یک منحنی تعمیم میتواند در تشخیص بیشبرازش کمک کند. به عنوان مثال منحنی تعمیم زیر نشان میدهد که دچار بیشبرازش شده است زیرا... |
۴ | Generalized Linear Model |
تعمیم مدلهای رگرسیون کمترین مربعات که مبتنی بر نویز گوسی است، به سایر مدلهای مبتنی بر انواع دیگر نویز، مانند نویز پواسون یا نویزهای طبقهای. نمونههایی از مدلهای خطی تعمیم یافته عبارتاند... |
۵ | Generative Adversarial Network (Gan) |
سیستمی برای ایجاد دادههای جدید است که در آن مولد داده ایجاد میکند و یک تشخیص دهنده بررسی میکند که دادههای ایجاد شده معتبر هستند یا نامعتبر هستند. |
۶ | Generative Model |
از نظر عملی مدلی است که یکی از موارد زیر را انجام دهد: نمونههای جدیدی را از مجموعه دادههای آموزشی ایجاد میکند. به عنوان مثال یک مدل مولد میتواند پس از آموزش بر روی مجموعهای از اشعار، شعر ایجاد... |
۷ | Generator |
زیر سیستم در یک شبکهی مولد تخاصمی که نمونههای جدیدی ایجاد میکند. متضاد: تشخیصدهنده |
۸ | Gradient |
به بردار مشتقات جزئی با توجه به تمام متغیرهای مستقل گویند که در یادگیری ماشین، شیب بردار مشتقات جزئی از عملکرد مدل است.(شیب در جهت صعودی حرکت میکند) |
۹ | Gradient Clipping |
مکانیسمی متداول برای کاهش شیب، در مسئلهی گسترش بیش از اندازهی شیب است که، از طریق محدود کردن مصنوعی حداکثر ارزش آن هنگام آموزش مدل از طریق کاهش شیب به کار میرود. |
۱۰ | Gradient Descent |
یک روش برای به حداقل رساندن میزان افت، با محاسبهی شیب آن توجه به پارامترهای مدل و داده های آموزشی است. میتوان گفت کاهش شیب، به طور تکراری پارامترها را تنظیم میکند و به تدریج بهترین ترکیب وزنها و... |
۱۱ | Greedy Policy |
در یادگیری تقویتی، خطمشیای که همیشه عملی با بالاترین بازده مورد انتظار را انتخاب میکند. |
۱۲ | Ground Truth |
پاسخ درست یا واقعیت است. از آنجا که واقعیت غالباً ذهنی است، معمولا کارشناسان ارزیاب تعیینکننده حقیقت مبنا(یافتههای عینی) هستند. |
۱۳ | Group Attribution Bias |
به فرض اینکه آنچه برای یک فرد صادق است، برای همه افراد در آن گروه نیز صادق است، در صورت نمونهگیری راحت برای جمع آوری دادهها، اثرات انتساب گروهی مقدار پیشفرض میتواند تشدید شود. در یک نمونهی غیر... |