搜尋結果
概述. 反向傳播旨在考慮埋 損失函數 嚟計算 梯度 ，喺個前饋神經網絡嘅權重空間入便。 以下係一啲符號： ：輸入（特徵向量） ：目標輸出. 對於分類任務，輸出會係一枚向量表示各類別概率，譬如. ，目標輸出就係一個特定嘅類，由 One-hot / 啞變數 編碼，譬如. 。 ： 損失函數 或者「成本函數」 [a] 對於分類，呢個通常係 交叉熵 （XC， 對數損失 ）；而對於回歸就通常係 平方誤差損失 （SEL）。 ：𤗲數. 同埋. 之間嘅權重 ；其中. 係指一隻權重，𤗲. 裏頭第. 粒綟與及. 𤗲裏頭嘅第. 粒綟之間嘅 [b] 。 ： 𤗲嘅 啟動函數.
前饋神經網絡. 一個前饋人工神經網絡嘅抽象圖；每個圓圈代表一粒 神經細胞 ，每粒神經細胞嘅啟動程度淨係受佢打前嗰排神經細胞嘅啟動程度影響 [1] 。. 前饋神經網絡cin4 gwai3 san4 ging1 mong5 lok6 （ 英文 ： feedforward neural network ）係最簡單最早期嗰種 人工 ...
Transformer (機械學習模型) Transformer 係喺2017年推出嘅 深度學習 模型，攞 關注機制 （多頭、自關注）嚟求權重畀啲成批輸入數據入便嘅每個部份嘅，並藉此唔受順序限制噉去學識各部份對彼此啲影響嘅大細、啲可能會跨好幾重遠嘅，最終去生成返啱啲嘅數據 ...
深度學習 （ 粵拼 ： sam1 dou6 hok6 zaap6 ； 英文 ： deep learning ），又有叫 深度結構化學習 （ deep structured learning ），係一系列涉及「深入 學習 」嘅多層 人工神經網絡 技術， 前饋 同 遞迴神經網絡 都用得 [1] [2] 。
知識表示 （ 粵拼 ： zi3 sik1 biu2 si6 ； 英文 ： knowledge representation，KR ）係 認知科學 同 人工智能 領域當中一個受關注嘅課題 [1] [2] ，指一個 認知系統 －無論係 人類 定係人工智能－內部點樣表示有關「周圍世界點運作」嘅 資訊 ，以及點樣用呢啲資訊對事物作出判斷同預測 [3] [4] [5] 。 舉個簡單例子說明，想像家陣有一個噉樣嘅 神經網絡 （neural network）：個網絡有兩層，每層有若干粒 神經細胞 ，第一層表示「見到嗰樣物件嘅特徵」，而第二層表示「將件物件分做乜嘢類」，第二層每粒神經細胞會同第一層嘅某啲細胞有連繫，喺某啲特定嘅第一層細胞啟動嗰時會跟住啟動，即係話，攞第 粒第二層細胞： ；
亦有 AI 領域嘅科學家指出，電子遊戲本質上就係設計嚟俾一個 認知系統 慢慢 學習 （遊戲難度一般會慢慢提高）嘅，所以電子遊戲係一個好便於研究點樣教 AI 學習嘅環境－遊戲製作同 AI 呢兩個領域做到相輔相成 [41] [42] 。. 喺現實世界嘅 遊戲製作 當中，機械 ...
認知科學 jing 4 zi 1 fo 1 hok 6 （英文： cognitive science ），又叫 心靈科學 sam 1 ling 4 fo 1 hok 6 （ mind science ），係研究心靈嘅科學領域。 「研究心靈」包括咗研究人同第啲動物嘅認知功能同智能，剖析神經系統－尤其係腦部－點樣透過各式各樣嘅過程表示、處理以及轉化資訊，並且透過參考呢啲大自然所 ...
