نتایج جستجو

...دگیری ساختار یافته (خروجی)''' یک اصطلاح کلی برای تکنیک‌های یادگیری ماشین [[یادگیری نظارت‌شده|تحت نظارت]] است که شامل [[پیش‌بینی]] اشیا ساخت‌یافته است، به جای ...زش دهنده اغلب از نظر محاسباتی غیرممکن است و از استنباط تقریبی و از روش‌های یادگیری استفاده می‌شود. ...

{{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 ...

...توانایی را دارد که به طور قابل توجهی کارایی نمونه یک عامل [[یادگیری تقویتی|یادگیری تقویت کننده را بهبود بخشد.]] <ref name=":1">{{Cite journal|last=George Kari ...novski) و آنته فولگوسی( Ante Fulgosi) مقاله ای را منتشر کردند که صریحاً به یادگیری انتقال در آموزش شبکه های عصبی می پردازد. <ref name=":0"/> ...

...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. ...

...م بردار ویژگی به ماشین ارائه می‌شوند. چنین طبقه‌بندی‌کننده‌هایی برای مسائل کاربردی مانند [[دسته‌بندی اسناد|طبقه‌بندی اسناد]]، و به‌طور کلی برای مسائلی با تعدا ...ماشین بردار پشتیبانی|ماشین بردار پشتیبان]] - الگوریتمی که [[حاشیه (یادگیری ماشین)|حاشیه]] بین ابر صفحه تصمیم و عناصر مجموعه آموزشی را به حداکثر می‌رساند. ...

...که اساساً الگوریتمی هستند و در آنها پیدا کردن [[مرز تصمیم‌گیری]] نمی‌تواند یادگیری تلقی شود، از معماری های معمولی بهتر عمل می کند. ...Mind|website=DeepMind|accessdate=2016-10-19}}</ref> و رسیدگی به برنامه های کاربردی کلان داده که به نوعی استدلال نیاز دارند، آموزش ببینند، مثلاً، تولید تفسیر و ...

...nstrained conditional model}} یک چارچوب [[یادگیری ماشین]] و استنتاج است که یادگیری مدلهای مشروط (احتمالی یا افتراقی) را با محدودیتهای اعلامی تقویت می کند. این ...گیری) از مرحله استنتاج محدود را فراهم می کند ، بنابراین به ساده سازی مرحله یادگیری در حالی که کیفیت راه حل ها را بهبود می بخشد کمک می کند. به عنوان مثال ، در ...

...ننده‌های خطی موثر هستند. معروف ترین و پرکاربردترین الگوریتم در این کلاس، [[ماشین بردار پشتیبان]] است. همان‌طور که گفته شد، یکی از مزایای کلیدی روش‌های کرنل، به‌ویژه در ماشین بردار پشتیبان، توانایی آن‌ها در رسیدگی به مسائل غیرخطی با استفاده از طبقه‌ب ...

...ه مبتنی بر جریان''' نوعی [[مدل سازنده]] است که در [[یادگیری ماشینی|یادگیری ماشین]] استفاده می‌شود که یک توزیع احتمال را با اعمال '''جریان نرمال‌سازی'''<ref> ...هدف این است که خروجی و ورودی کمترین تفاوت را با یکدیگر داشته باشند. پس از یادگیری به این روش، مدل باید قادر باشد تا با گرفتن یک بردار ویژگی از فضا و استفاده ...

{{یادگیری ماشین}} {{See also|یادگیری خودران (خودسازمانده)}} ...

{{یادگیری ماشین}} در [[یادگیری ماشینی]]،'''خودرمزگذار متغیر''' {{به انگلیسی|Variational autoencoder}}، یک ...

.... درسالهای اخیر مفهوم یادگیری عمیق و یادگیری متریک باهم ترکیب شدند و مفهوم یادگیری متریک عمیق به منظور کاربردهای درک بصری مطرح شد که از رویکرد هسته (به [[زبان ...هت موقعیت آنها را به تصویر می‌کشد. واضح است که سایر ویژگی‌ها در این سناریو کاربردی تر هستند؛ بنابراین می‌توانیم با انتخاب مناسب از ویژگی‌ها و ترکیب آن ویژگی‌ه ...

...T ، APOPT ، BPOPT، SNOPT ، MINOS ) حل می کند. حالت‌های عملیات شامل یادگیری ماشین، تطبیق داده‌ها، بهینه‌سازی بلادرنگ، شبیه‌سازی پویا و [[کنترل پیش‌بینانه مدل ...> ارجاعات زیادی به APMonitor و GEKKO به عنوان نمونه ای از انواع برنامه های کاربردی قابل حل وجود دارد. GEKKO از کمک مالی تحقیقاتی [[بنیاد ملی علوم]] (NSF) به ش ...

{{یادگیری ماشین}}در زمینه شبکه‌های عصبی، '''توجه''' تکنیکی است که توجه شناختی را تقلید می‌ک این تکنیک در طیف گسترده‌ای از مدل‌های یادگیری ماشین، از جمله در [[پردازش زبان‌های طبیعی|پردازش زبان طبیعی]] و بینایی کامپیوتر، ...

{{یادگیری ماشین}} ...ورت شبکه‌هایی از پیکسل‌ها ساخته شده‌اند، دیده شوند. [[ترنسفورمرها (یادگیری ماشین)|ترنسفورمرها]]، در زمینه [[پردازش زبان‌های طبیعی]]، می‌توانند به‌عنوان شبکه ...

...اب می‌شود برای بهینه‌سازی استفاده می‌کند. این روش در مسائل آماری و یادگیری ماشین کاربرد فراوانی دارد. در برآوردهای آماری و یادگیری ماشین معمولاً مسائلی به‌وجود می‌آید که در آن‌ها نیاز است تابعی مانند <math>\mathc ...

...hyperplanes.png|بندانگشتی|طبقه‌بندی دایره‌های توپر و توخالی با الگوریتم [[ماشین بردار پشتیبانی|اس وی ام]]]] ...|سال=|شابک=|مکان=|صفحات=}}</ref> در اصطلاح یادگیری ماشین، طبقه‌بندی نوعی [[یادگیری با نظارت]] است، که مجموعه‌ای داده‌ها برای آموزش موجودند. برای نمونه طبقه‌بن ...

این دو تابع اخیراً در حوزه یادگیری عمیق معرفی شده اند. تابع ISRU (Inverted Square Root Unit) و ISRLU (Inverted هرچند تابع سیگموئید بسیار کاربردی است، اما برخی محدودیت ها و مشکلاتی دارد: ...

...ن گفت که گره‌ی قرمز در مقایسه با سایر گره‌های درخت پَرت‌تر است.]]{{یادگیری ماشین}} '''جنگل اِنزِوا''' (به انگلیسی Isolation Forest) یک روش یادگیری نظارت نشده برای تشخیص [[داده پرت|داده‌های پَرت]] است. ...

{{یادگیری ماشین| شبکه عصبی مصنوعی}} ...ونده:The-Transformer-model-architecture.png|بندانگشتی|ترنسفورمرها (یادگیری ماشین)]] ...