Begrippen die beginnen met B (42)
Alle AI-termen die beginnen met de letter B, in gewone taal.
Neurale netwerken
Backpropagation
Backpropagation
Backpropagation is een leermethode voor een neuraal netwerk, een model dat uit lagen van verbindingen bestaat. Het netwerk vergelijkt zijn antwoord met het gewenste resultaat en rekent de gemaakte fout daarna terug door elke laag. Zo ziet het netwerk welke verbindingen de fout veroorzaakten, en het past juist die verbindingen aan zodat een volgend antwoord dichter bij het doel ligt.
Neurale netwerken
Backpropagation through structure (BPTS)
Backpropagation through structure (BPTS)
Backpropagation through structure (BPTS) is een gradiëntmethode om recursieve neurale netwerken te trainen. De fout loopt terug langs de vorm van de invoer, zoals een boom of een graaf, in plaats van alleen langs een reeks in de tijd. Christoph Goller en Andreas Küchler beschreven de methode in 1996 voor het indelen van logische formules, bijvoorbeeld op een bepaald deel van de formule.
Neurale netwerken
Backpropagation through time (BPTT)
Backpropagation through time (BPTT)
Backpropagation through time (BPTT) is een methode om bepaalde terugkerende neurale netwerken op reeksen gegevens te trainen. Het netwerk wordt per tijdstap uitgerold tot een keten waarin elke stap dezelfde gewichten deelt, waarna de fout terugloopt naar eerdere stappen en die gewichten aanpast. Zo leert het netwerk van de fout bij elke stap welke eerdere invoer meetelt voor een betere voorspelling.
Taalmodellen
Bag-of-words model
Bag-of-words model
Een bag-of-wordsmodel is een vereenvoudigde weergave van een tekst, zoals een zin of document, als een verzameling losse woorden. Het model houdt de frequentie van elk woord bij en laat de grammatica en de volgorde van woorden buiten beschouwing. Die frequenties dienen als kenmerken om een classificatiesysteem te trainen dat nieuwe documenten indeelt, bijvoorbeeld een nieuwsbericht over sport of politiek.
Beeld en spraak
Bag-of-words model in computer vision
Bag-of-words model in computer vision
Het bag-of-wordsmodel in computer vision is een methode die een beeld als een telling van lokale kenmerken voorstelt. Die kenmerken gelden als woorden uit een vaste verzameling, en het model telt hoe vaak elk woord voorkomt zonder de plek in het beeld te bewaren. Zo kan software een foto in een categorie plaatsen, omdat beelden met dezelfde inhoud vaak dezelfde visuele woorden delen.
Basisbegrippen
Basismodel
Foundation Model
Een foundation model (AI-model voor algemene doeleinden) is een groot AI-model dat is getraind op brede en zeer diverse gegevens. Het leert zelf patronen in die gegevens en kan daarna voor veel taken worden aangepast, anders dan software met vaste regels. Zo vormt het model vaak de basis voor toepassingen zoals chatbots, vertaalprogramma's en tools die tekst of afbeeldingen maken.
Neurale netwerken
Batchnormalisatie
Batch normalization
Batch normalization is een methode die de invoer van elke laag in een neuraal netwerk standaardiseert. Tijdens het trainen verschuift en schaalt de methode de tussenresultaten van een groep voorbeelden, zodat het gemiddelde nul is en de spreiding steeds één is. Deze aanpak uit 2015 maakt het leerproces stabieler en laat het netwerk beter presteren, ook wanneer het model uit veel lagen bestaat.
Machine learning
Bayesiaans netwerk
Bayesian Networks
Een bayesiaans netwerk (ook wel probabilistisch netwerk) is een kansmodel dat afhankelijke factoren in een schema zet. In dat schema wijzen alle pijlen in één richting, zonder kringloop, en de kans van elke factor hangt alleen af van de factoren direct ervoor. Met nieuwe gegevens, zoals de klachten die een patiënt meldt, berekent het model hoe waarschijnlijk elk van de mogelijke ziekten is.
Machine learning
Bayesian programming
Bayesian programming
Bayesiaans programmeren is een methode om kansmodellen formeel te beschrijven en problemen met onvolledige informatie op te lossen. Anders dan gewone software met vaste regels legt het programma kansen tussen factoren vast, schat ontbrekende parameters uit meetgegevens en berekent een antwoord. Onderzoekers gebruiken deze aanpak bijvoorbeeld in robotica, zodat een robot een actie kiest als sensoren de omgeving maar deels waarnemen.




