Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

AI Begrippen en TrefwoordenAI Trefwoorden

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

718 resultaten
Neurale netwerken
Long short-term memory (LSTM)
Long short-term memory (LSTM)
Long short-term memory (LSTM) is een kunstmatig neuraal netwerk in deep learning voor reeksen gegevens. Anders dan een standaard neuraal netwerk, dat elk punt apart verwerkt, heeft LSTM terugkoppelingen die informatie uit eerdere stappen bewaren. Daardoor kan het model een hele reeks volgen, zoals een gesproken zin of een video, en bij elk nieuw deel rekening houden met wat daarvoor kwam.
Machine learning
LoRA
Lora
LoRA (Low-Rank Adaptation) is een methode om grote AI-modellen bij te stellen voor een concrete taak. In plaats van het hele bestaande model opnieuw te trainen, past deze methode alleen een klein en gericht deel van het model aan. Daardoor kost zo'n aanpassing minder tijd en minder rekenkracht wanneer het model een specifieke taak of een nieuwe verzameling gegevens moet leren.
Machine learning
Loss-functie
Verlies is een getal dat aangeeft hoe ver de voorspelling van een model van het juiste antwoord afwijkt. Gewone software volgt vaste regels, terwijl een model dit verlies gebruikt om zich tijdens het trainen zelf stap voor stap te verbeteren. Een groot verlies betekent een grote afwijking, bijvoorbeeld wanneer een model de prijs van een huis veel te hoog schat.
Neurale netwerken
LSTM
LSTM
LSTM is een speciaal type recurrent neuraal netwerk (een model voor reeksen) dat lange verbanden onthoudt. Het gebruikt geheugencellen en poorten die bepalen welke informatie binnenkomt, blijft of doorgaat, zodat eerdere stappen niet zo snel verdwijnen als bij een gewoon recurrent netwerk. Daardoor kan het tijdreeksen en andere reeksen beter volgen, bijvoorbeeld bij spraakherkenning of bij het voorspellen van toekomstige meetwaarden uit eerdere cijfers.
Machine learning
Machine learning (ML)
Machine learning (ML)
Machinaal leren (machine learning) is een onderzoeksgebied rond algoritmen en statistische modellen voor computersystemen. Computers gebruiken die modellen om een taak goed uit te voeren zonder vaste instructies per geval, door zelf patronen in grote hoeveelheden gegevens te zoeken en daaruit een uitkomst af te leiden. Een spamfilter herkent zo ongewenste e-mailberichten, omdat het model heeft geleerd welke kenmerken eerdere spamberichten met elkaar delen.
Taalmodellen
Machine learning in SEO
Machine Learning in SEO
Machinaal leren in zoekmachineoptimalisatie (machine learning in SEO) is een methode waarmee zoekmachines en AI-systemen zoekvragen en inhoud beoordelen. Modellen leren zelf patronen uit gebruikersgedrag, signalen in de inhoud en zoekgegevens, in plaats van vaste regels. Zo voorspellen ze relevantie en kwaliteit, bepalen ze wat hoog scoort of als antwoord verschijnt, en worden ze nauwkeuriger met meer data en voorgetrainde taalmodellen.
Beeld en spraak
Machine listening
Machine listening
Machine listening, ook computer audition genoemd, is het vakgebied van algoritmen en systemen die geluid via een computer begrijpen. Anders dan gewone geluidssoftware, die geluid vooral bewerkt, gebruiken deze systemen patroonherkenning en machine learning om spraak, muziek en natuurlijke geluiden te herkennen. Een toepassing kan zo een muziekopname herkennen aan wat er klinkt, en een natuurlijk geluid onderscheiden van gesproken taal.
Beeld en spraak
Machine vision (MV)
Machine vision (MV)
Machine vision is een systeem van camera’s, software en hardware voor automatische controle op basis van beelden. Anders dan computer vision, een tak van informatica, koppelt het bestaande technieken tot een werkend geheel voor een concrete taak in de praktijk. In de industrie controleert zo’n systeem producten op fouten, stuurt een proces bij of leidt een robot naar het juiste onderdeel.
Beeld en spraak
Machineperceptie
Machine perception
Machineperceptie is het vermogen van een computersysteem om zintuiglijke gegevens te interpreteren, zoals mensen de wereld waarnemen. Sensoren zoals camera's en microfoons leveren ruwe signalen uit de omgeving, en het systeem zoekt daarin zelf patronen, anders dan software die alleen invoer via een toetsenbord volgt. Zo herkent software een gezicht op een foto, en zet een telefoon gesproken woorden om in leesbare tekst.