Naar inhoud
BetaAI Begrippen

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

Begrippen die beginnen met R (4)

Alle AI-termen die beginnen met de letter R, in gewone taal.

4 resultaten
‹1›
Neurale netwerken
Radiaal basisfunctienetwerk
Radial basis function network
Een radiaalbasisfunctienetwerk is een kunstmatig neuraal netwerk dat radiale basisfuncties als activatiefuncties gebruikt. Anders dan veel neurale netwerken meet elk neuron in de middelste laag de afstand tot een eigen middelpunt, en de uitvoer is een gewogen optelsom van die metingen. Het netwerk benadert daarmee een onbekende functie, voorspelt een reeks metingen in de tijd, deelt gevallen in klassen of stuurt een technisch systeem bij.
Neurale netwerken
Recurrent neuraal netwerk (RNN)
Recurrent neural network (RNN)
Een recurrent neuraal netwerk (RNN) is een kunstmatig neuraal netwerk voor reeksen gegevens die in de tijd op elkaar volgen. Anders dan een gewoon neuraal netwerk, dat elke invoer apart verwerkt, bewaart een RNN een interne toestand als geheugen en gebruikt eerdere stappen bij de volgende invoer. Zo herkent het aaneengesloten handschrift of gesproken taal, waarbij de volgorde van letters of klanken het resultaat bepaalt.
Neurale netwerken
Reservoir computing
Reservoir computing
Reservoir computing is een rekenmethode die kunstmatige neurale netwerken uitbreidt. Een invoersignaal gaat een vast, vaak willekeurig dynamisch systeem in, het reservoir, dat de invoer omzet naar een rijkere vorm, waarna alleen een eenvoudige uitlezing wordt getraind. Omdat het reservoir daarbij vast blijft, hoeft een ontwikkelaar niet het hele netwerk te trainen; liquid-state machines en echo state-netwerken zijn twee bekende vormen.
Neurale netwerken
Restricted Boltzmann machine (RBM)
Restricted Boltzmann machine (RBM)
Een restricted Boltzmann machine (RBM) is een neuraal netwerk dat een kansverdeling over zijn invoer leert. Het koppelt alleen een zichtbare laag met de invoer aan een verborgen laag, laat knopen binnen dezelfde laag onverbonden en berekent zo hoe waarschijnlijk de invoer is. Die beperking maakt het trainen efficiënter, waarna het model patronen in keuzes van gebruikers kan vinden en die gebruiken voor aanbevelingen.