Gated Recurrent Eenheden
GRU, ook wel Gated Recurrent Unit genoemd, werd in 2014 geïntroduceerd voor het oplossen van het veel voorkomende vanishing gradient probleem waarmee programmeurs werden...
Machine Learning
Machine learning (ML) is een subset van kunstmatige intelligentie. Het richt zich op de studie van computeralgoritmen die door ervaring automatisch vanzelf verbeteren. Deze algoritmen worden gebruikt in een grote verscheidenheid aan verschillende toepassingen, van computervisie tot wiskundige optimalisaties. ML-algoritmen zijn nodig wanneer het moeilijk of niet haalbaar is om conventionele algoritmen te ontwikkelen om een noodzakelijke taak uit te voeren.
De vier belangrijkste soorten ML zijn:
- Begeleide algoritmen voor machine learning die het geleerde in eerdere situaties kunnen toepassen op nieuwe gegevens met behulp van gelabelde voorbeelden om mogelijke toekomstige gebeurtenissen te voorspellen.
- Machine-algoritmen zonder toezicht worden gebruikt wanneer de informatie die wordt gebruikt om het model te trainen niet geclassificeerd of gelabeld is. Leren zonder toezicht kan een functie afleiden om een verborgen structuur te beschrijven op basis van niet-gelabelde gegevens. Evenzo is het systeem niet bedoeld om de juiste uitvoer te achterhalen, maar het verkent de gegevens en kan conclusies trekken uit datasets om verborgen structuren te beschrijven uit niet-gelabelde gegevens.
- Semi-supervised algoritmen voor machine learning vallen tussen leren onder supervisie en zonder toezicht. Ze gebruiken zowel gelabelde als niet-gelabelde gegevens voor training en schuiven naar niet-gelabelde gegevens. Halfgeleide leren wordt geselecteerd wanneer de verkregen gelabelde gegevens gekwalificeerde en geschikte middelen nodig hebben om daarvan te trainen / leren. Anders heeft data-acquisitie zonder label doorgaans geen extra kapitaal nodig.
- Reinforcement machine learning-algoritmen is een leermethode die acties produceert en fouten ontdekt via zijn omgeving. Met deze methode kan het algoritme automatisch gedrag binnen een specifieke context begrijpen om de prestaties te maximaliseren. Beloningsfeedback is nodig om de agent te laten begrijpen welke actie het beste is, en dit staat bekend als een versterkingssignaal.
Gegevens opschonen
Algoritmen in machinaal leren kunnen gegevens verzamelen, opslaan en analyseren en een waardevol resultaat genereren. Met deze hulpmiddelen kunt u de toestand evalueren met...
