نتایج جستجو
پرش به ناوبری
پرش به جستجو
- ...یشود، و نه مدلهای عمل غیر دقیق به صراحت تصحیح میشوند. انگیزه معمول برای یادگیری مدل عملی این است که توصیف دستی مدلهای عملی برای برنامه ریزان اغلب کار سخت، ...ی هنر، جبرگرایی را در نظر میگیرند و P را القا نمیکنند. در کنار جبرگرایی، روشهای فردی در نحوه برخورد با ویژگیهای دیگر دامنه تفاوت دارند. ...۶ کیلوبایت (۷۰ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
- {{یادگیری ماشین}} ...از دادههای بدون برچسب و دادههای برچسبدار به صورت همزمان برای بهبود دقت یادگیری استفاده میشود. ...۶ کیلوبایت (۸۹ واژه) - ۱۳ دسامبر ۲۰۲۳، ساعت ۰۲:۲۸
- ...[روش نیوتن]] الهام گرفته شدهاست. بعضی اوقات، این الگوریتم در گروه روشهای یادگیری مرتبkszه دوم طبقهبندی میشود. این روش تقریب درجه دوم از [[گرادیان]] تکرار ...پیادهسازی از الگوریتم [[بازگشت به عقب|پس انتشار]] خطا است اما در طول فاز یادگیری شبکه ممکن است که، با توجه به گامهای بزرگی که برمیدارد، با هرج و مرج رفتار ...۲ کیلوبایت (۶۹ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۰۵
- {{یادگیری ماشین}} ...۰۰۱|دوره=۱|شماره=۱|صفحات=۲۱۱–۲۴۴|نام=آماندا|نام خانوادگی=بارتل|ترجمه عنوان=یادگیری پراکنده بیزی و ماشین بردار مرتبط|عنوان=Sparse Bayesian Learning and the Rel ...۴ کیلوبایت (۱۸۵ واژه) - ۲۷ مارس ۲۰۲۴، ساعت ۱۴:۴۳
- ...ی حساب، بدست میآید. این نوع کلاهبرداری توسط هوش مصنوعی و [[یادگیری ماشینی|یادگیری ماشین]] قابل تشخیص و جلوگیری است. ...ینیکننده، تراکنشهای غیر طبیعی را تعیین میکند. الگوریتمهای هوش مصنوعی و یادگیری ماشین دارای خطا در پیشبینی هستند به همین علت از الگوریتمهایی مانند GASS و ...۷ کیلوبایت (۱۵۵ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
- {{یادگیری ماشین}} ...جانده می شود که اساساً به یادگیری یک مدل به صورت خطی می پردازد. نام "ماشین یادگیری افراطی" توسط مخترع اصلی این مدل گوانگ بن هوانگ داده شد. ...۳ کیلوبایت (۲۶۳ واژه) - ۲۲ اکتبر ۲۰۲۱، ساعت ۲۳:۰۷
- |داده۱='''یادگیری تطبیقی{{سخ}}Adaptive learning''' '''یادگیری تطبیقی''' (انگلیسی: Adaptive learning) که به عنوان آموزش هوشمند نیز شناخته ...۵ کیلوبایت (۲۱۴ واژه) - ۱۳ دسامبر ۲۰۲۴، ساعت ۱۶:۳۳
- {{یادگیری ماشین}} ...اشین یادگیری منطقی''' {{انگلیسی|Logic Learning Machine}}، یکی از روشهای [[یادگیری ماشین]] بر اساس ایجاد قوانین قابل فهم است. LLM یک روش پیادهسازی شده کارآمد ...۷ کیلوبایت (۳۵۴ واژه) - ۱۴ مارس ۲۰۲۵، ساعت ۰۱:۲۳
- ...ای آزمایش خواهد بود (همان بیشبرازش). توقف زودهنگام سعی دارد با متوقف کردن یادگیری در نقطه بهینه، [[خطای تعمیم]] را به حداقل برساند. بعضی مباحث یادگیری ماشین که دانستن آنها برای درک توقف زودهنگام مفید است: ...۹ کیلوبایت (۳۴۷ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۴۹
- ...ای آزمایش خواهد بود (همان بیشبرازش). توقف زودهنگام سعی دارد با متوقف کردن یادگیری در نقطه بهینه، [[خطای تعمیم]] را به حداقل برساند. بعضی مباحث یادگیری ماشین که دانستن آنها برای درک توقف زودهنگام مفید است: ...۹ کیلوبایت (۳۶۵ واژه) - ۲۶ دسامبر ۲۰۲۳، ساعت ۰۲:۵۳
- ...تابع پایه شعاعی'''، یا هسته RBF، یک تابع هسته محبوب است که در الگوریتمهای یادگیری مختلف هسته ای استفاده میشود. بهطور خاص، معمولاً در [[دستهبندی ماشین بردا [[رده:روشهای هسته برای یادگیری ماشین]] ...۳ کیلوبایت (۱۷۲ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۲۰
- {{یادگیری ماشین}}<templatestyles src="Nobold/styles.css" /> ...یادگیری ماشین به چه سرعتی «یادمیگیرد». در ادبیات [[کنترل تطبیقی]]، به نرخ یادگیری '''بهره''' گفته میشود.<ref>{{cite journal|last=Delyon|first=Bernard|date=2 ...۱۲ کیلوبایت (۶۳۶ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲
- = یادگیری گروهی = ...را پیشبینی نمیکنند و از نتایج مدل قبل نیز بهره میبرند. انتظار میرود که یادگیری گروهی نتایج بهتری در مقایسه با روش های پیشین که تنها از یک الگوریتم استفاده ...۹ کیلوبایت (۵۲۶ واژه) - ۲ ژوئیهٔ ۲۰۲۳، ساعت ۱۱:۱۷
- {{ یادگیری ماشین }} در [[یادگیری ماشینی]]، برای دستهبندی چندگانه هدف ما این است که از بین برچسبهای موجود ب ...۵ کیلوبایت (۱۶۶ واژه) - ۱۳ مارس ۲۰۲۵، ساعت ۱۳:۵۵
- {{یادگیری ماشین|Artificial neural network}} ...به کمینههای محلی به دلیل انتخاب نامناسب متغیرها، و نیاز به داده زیاد برای یادگیری)، حل کند. ...۵ کیلوبایت (۱۴۸ واژه) - ۲۲ فوریهٔ ۲۰۲۴، ساعت ۱۲:۰۸
- ...ی از [[آموزش، اعتبارسنجی و مجموعههای آزمایشی|دادهٔ آموزش]] درون یک محیط [[یادگیری نظارتشده]] اعمال میشود.<ref>{{یادکرد وب|عنوان=Weak Supervision: A New Pro ...ه کوچک باشد میتوان از رویکرد [[یادگیری انتقالی]] یا [[یادگیری نیمهنظارتی|یادگیری نیمه نظارتی]] استفاده کرد. ...۱۸ کیلوبایت (۱۸۵ واژه) - ۲ مارس ۲۰۲۴، ساعت ۰۶:۲۴
- == یادگیری ماشینی به کمک نظریه بیز == برای نگرش بیزی به یادگیری ماشین (و یا هر فرایند دیگر) میباید نخست: ...۱۲ کیلوبایت (۴۹۰ واژه) - ۵ نوامبر ۲۰۲۳، ساعت ۲۱:۱۱
- ...[[ترکیب خطی]] یا غیرخطی آنها را به عنوان تابع کرنل جدید استفاده میکنند و یادگیری را با استفاده از آن انجام میدهند. مزیتهای استفاده از این تابع کرنل جدید ر ...بهینه کردن پارامترهای تابع کرنل چندتایی که خود این موضوع باعث کاهش سوگیری یادگیری به دلیل انتخاب تابع هسته بد میشود و در عین حال امکان خودکار سازی انتخاب تا ...۱۱ کیلوبایت (۵۴۳ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۶:۰۵
- بسیاری از الگوریتمهای کاهش غیرخطی ابعاد با روشهای خطی زیر ارتباط دارند: روشهای غیرخطی را میتوان به دو دسته عمده تقسیم کرد: ...۱۱ کیلوبایت (۲۹۴ واژه) - ۱۵ اکتبر ۲۰۲۳، ساعت ۱۲:۲۹
- ...ون [[محاسبات عددی]]، [[نمونهبرداری (آمار)|نمونهبرداری]]، [[ترکیبیات]]، [[یادگیری ماشینی]]، [[دادهکاوی]]، و [[پایگاه داده]]ها با این نام یاد میشود. مضمون === یادگیری ماشینی === ...۸ کیلوبایت (۱۳۶ واژه) - ۲۰ نوامبر ۲۰۲۳، ساعت ۱۵:۵۲