Archiwa: Słownik

Algorytm optymalizacji, który iteracyjnie zmienia parametry modelu w kierunku najszybszego zmniejszania funkcji straty. Rozmiar kroku zależy od współczynnika uczenia.

Algorytm trenowania sieci neuronowych, który oblicza gradient funkcji straty względem wag i pozwala je korygować. To podstawa nauki w głębokich sieciach.

Sytuacja, gdy model jest zbyt prosty, by uchwycić wzorce w danych. Wypada słabo zarówno na danych treningowych, jak i testowych.

Sytuacja, gdy model za bardzo dopasowuje się do danych treningowych, ucząc się także szumu. Działa świetnie na danych treningowych, ale słabo na nowych.

Metoda, w której model wytrenowany do jednego zadania jest wykorzystywany jako punkt startowy dla innego. Pozwala oszczędzić dane i czas, korzystając z wcześniej nauczonych cech.

Paradygmat, w którym agent uczy się podejmować decyzje przez interakcję ze środowiskiem i otrzymywanie nagród lub kar. Celem jest maksymalizacja sumy nagród w czasie.

Rozdziela ruch sieciowy pomiędzy wiele serwerów, aby żaden nie był przeciążony. Zwiększa wydajność i dostępność usług.

Sygnał wstrzymujący bieżące zadanie procesora, by obsłużyć pilne zdarzenie sprzętowe lub programowe. Mechanizm pozwala szybko reagować na urządzenia.

Szybka magistrala szeregowa do podłączania kart rozszerzeń, np. graficznych i dysków NVMe. Występuje w wariantach o różnej liczbie linii (x1, x4, x16).

Wspólna ścieżka przesyłająca sygnały i dane między podzespołami komputera. Jej przepustowość wpływa na ogólną wydajność systemu.