Círculo de intercambio de inteligencia artificial

La métrica de evaluación (Evaluation Metrics) es un sistema de criterios cuantitativos para medir el rendimiento de los modelos de aprendizaje automático. Es como un informe de examen físico multidimensional para evaluar exhaustivamente el estado de salud del cuerpo humano. En la tarea de clasificación, la Exactitud refleja la corrección general del juicio del modelo, y la Precisión (Pr...

La búsqueda de arquitectura neuronal (NAS) representa una rama puntera de la inteligencia artificial que se centra en automatizar el diseño de la estructura de las redes neuronales.

La red adversarial generativa condicional (CGAN) es una variante importante de las redes adversariales generativas (GAN), propuesta en 2014 por Mehdi Mirza et al. A diferencia de las redes generativas adversariales ...

Grid Search es un método automatizado para encontrar sistemáticamente combinaciones óptimas de hiperparámetros en el aprendizaje automático. Este método selecciona el hiperparámetro de mejor rendimiento predefiniendo un rango de valores candidatos para cada hiperparámetro, agotando todas las combinaciones de parámetros posibles, entrenando el modelo uno a uno y evaluando el rendimiento, y seleccionando finalmente el hiperparámetro de mejor rendimiento....

La búsqueda aleatoria (RS) es un método de optimización hiperparamétrica que encuentra la configuración óptima mediante el muestreo aleatorio de puntos candidatos en el espacio de parámetros.

El Aumento de Datos (DA) es un enfoque técnico para aumentar un conjunto de datos de entrenamiento mediante la creación artificial de nuevos datos.

El algoritmo Naive Bayes es un algoritmo de aprendizaje supervisado basado en el teorema de Bayes. "Naive Bayes" se basa en el teorema de Bayes y asume que las características son condicionalmente independientes entre sí. La simplificación de los supuestos reduce enormemente la complejidad computacional y hace que el algoritmo sea eficiente en aplicaciones prácticas.

K-Means Clustering (K-Means Clustering) es un algoritmo clásico de aprendizaje automático no supervisado. Se utiliza principalmente para dividir un conjunto de datos en K clusters disjuntos. El objetivo del algoritmo es asignar n puntos de datos a los K clústeres de forma que cada punto de datos pertenezca al clúster correspondiente a su centro de clúster más cercano.

La red neuronal directa (FNN) es el modelo básico y más utilizado de red neuronal artificial. Su característica principal es que las conexiones de la red no forman bucles ni vías de retroalimentación, y la información fluye de forma estrictamente unidireccional de la capa de entrada a la de salida a través de una...

K-Nearest Neighbors (K-Nearest Neighbours) son algoritmos de aprendizaje supervisado basados en instancias que pueden utilizarse para tareas de clasificación y regresión.