Action-Value-FunktionEine Action-Value-Funktion ist eine Funktion in der Verstärkungslernmethode der künstlichen Intelligenz, die angibt, wie viel zukünftiger Nutzen zu erwarten ist, wenn eine bestimmte Aktion in einem bestimmten Zustand ausgeführt wird. Mit anderen Worten, sie ist eine Funktion, die eine Aktion in einem bestimmten Zustand bewertet, indem sie die erwartete zukünftige Belohnung berücksichtigt. Ein Beispiel hierfür ist die Q-Funktion in der Q-Lernmethode. |
Active LearningActive Learning ist ein Ansatz des maschinellen Lernens, bei dem das Modell iterativ ausgewählte Beispiele zur Klassifizierung oder Vorhersage erhält. Das Modell kann durch den Prozess des "aktiven Lernens" präziser und effizienter werden, indem es gezielt diejenigen Datenpunkte auswählt, die die größte Unsicherheit oder Diskrepanz in den bisherigen Vorhersagen aufweisen. |
Adam-OptimizerDer ADAM-Optimizer ist ein Optimierungsalgorithmus, der in der Deep-Learning-Methode der künstlichen Intelligenz verwendet wird, um die Gewichte eines neuronalen Netzes anzupassen. Der Name steht für "Adaptive Moment Estimation". ADAM ist eine Erweiterung des Stochastic-Gradient-Descent-Verfahrens (SGD) und nutzt adaptive Schrittweiten und Momente, um die Lernrate automatisch zu justieren. Es ist ein effektiver Optimierungsalgorithmus, der in vielen Anwendungen verwendet wird. |
AdaptabilitätAdaptabilität bezieht sich auf die Fähigkeit eines KI-Systems, sich an sich ändernde Umgebungsbedingungen anzupassen und flexibel zu reagieren. Es ist eine wichtige Eigenschaft von KI-Systemen, da sie in einer Vielzahl von Umgebungen eingesetzt werden können und sich schnell an neue Situationen anpassen müssen. Ein Beispiel hierfür ist eine selbstfahrende Autosoftware, die in der Lage ist, sich an verschiedene Wetterbedingungen und Verkehrssituationen anzupassen. |
AktivierungsfunktionEine Aktivierungsfunktion ist eine mathematische Funktion, die in einem künstlichen neuronalen Netzwerk verwendet wird, um die Ausgabe jedes Neurons zu bestimmen. Es transformiert die gewichteten Eingaben eines Neurons in eine Ausgabe, die als Eingabe für das nächste Neuron dient. Ein Beispiel für eine Aktivierungsfunktion ist die Sigmoid-Funktion, die eine S-förmige Kurve erzeugt und häufig in neuronalen Netzen verwendet wird. |
AnomalieEine Anomalie ist eine Abweichung von einer Norm. |
AnomalieerkennungsalgorithmusEin Anomalieerkennungsalgorithmus ist ein Algorithmus, der verwendet wird, um ungewöhnliche oder abnormale Muster in Daten zu erkennen. Er kann beispielsweise in der Cybersicherheit eingesetzt werden, um ungewöhnliche Aktivitäten in Netzwerken zu erkennen, oder in der Medizin, um abnormale Zellmuster zu identifizieren. Ein Beispiel für einen Anomalieerkennungsalgorithmus ist der Isolation-Forest-Algorithmus. |
Artificial intelligenceArtificial intelligence (abgekürzt mit AI oder A.I.) ist der englische Begriff für künstliche Intelligenz. |
AssessAssess ist eine Kategorie im Periodensystem der KI, das von Kristian Hammond entwickelt wurde. Es bezieht sich auf Technologien, die zur Bewertung oder Einschätzung von Daten und Informationen verwendet werden. Beispiele hierfür sind Klassifikations- und Clustering-Algorithmen, die dazu verwendet werden, Muster in Daten zu erkennen und Vorhersagen zu treffen. |
AusgabeschichtDie Ausgabeschicht (output-layer) ist die letzte Schicht von Neuronen in einem neuronalen Netzwerk, die bestimmte Ausgaben für das Programm erzeugt. Die Größe einer solchen Ausgabeschicht ist abhängig von der Anzahl der möglichen Klassifikationen. Die Neuronen dieser Schicht werden auch als Ausgabeneuronen (output-nodes) bezeichnet. |