در داده‌کاوی، یادگیری قانون وابستگی (به انگلیسی: association rule learning) یک متد مناسب برای یافتن روابط جذاب بین متغیرهای موجود در پایگاه داده‌های بزرگ...

می‌کند نوعی از یادگیری ماشینی است. فیلتر هرزنامه‌ها (spam) در ایمیل هم از کاربردهای یادگیری ماشینی است. به بیانی دیگر از طریق «یادگیری ماشین»، سامانه‌هایی...

یادگیری درخت تصمیم (به انگلیسی: Decision tree learning) گروهی از الگوریتم‌های یادگیری ماشین هستند که در طبقه‌بندی آماری کاربرد دارند. درخت‌های تصمیم به...

یادگیری ماشین بر روی مجموعه بزرگی از داده‌های نمونه آموزش داده می‌شود و سپس مدل آموزش‌دیده برای ترجمه استفاده می‌شود. مبدل‌ها جزو معماری‌های یادگیری عمیق...

کاهشی می‌توان به این خواسته رسید. این تکنیک در طیف گسترده‌ای از مدل‌های یادگیری ماشین، از جمله در پردازش زبان طبیعی و بینایی کامپیوتر، مورد استفاده قرار...

یادگیری عمیق سنتز گفتار، از شبکه‌های عصبی عمیق (DNN) برای تولید گفتار مصنوعی از متن (متن به گفتار) یا طیف (رمزگذارهای صوتی) استفاده می‌کند. شبکه‌های عصبی...

یادگیری عمیق، یادگیری ژرف یا ژرف‌آموزی (به انگلیسی: Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر...

نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، مدل‌سازی، و آموزش را طلب می‌نماید. یکی از ویژگی‌های کلیدی در بسیاری از...

یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوین برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های...

ماشین یادگیری افراطی یا ماشین یادگیری حداکثر (به انگلیسی: Extreme learning machine) یک شبکه عصبی پیشخور است که برای طبقه‌بندی آماری ، تحلیل رگرسیون ،...

دسته‌ای از مدل‌های یادگیری ماشینی هستند که توانایی درک و تولید متنی شبیه انسان را دارند. این مدل‌ها این توانایی ها را با یادگیری روابط آماری از اسناد...

انگلیسی: Multi-label classification) متفاوت از رده‌بندی چندگانه است. در یادگیری ماشینی، برای دسته‌بندی چندگانه هدف ما این است که از بین برچسب‌های موجود...

می‌شود، یک الگوریتم خوشه‌بندی سلسله‌مراتبی می‌باشد. این روش یکی از روش‌های یادگیری خودران می‌باشد که از آن جهت داده‌کاوی روی دادگان بزرگ و حجیم استفاده می‌شود...

یادگیری ماشین و داده‌کاوی موضوع‌ها طبقه‌بندی آماری خوشه‌بندی تحلیل رگرسیون روش تشخیص ناهنجاری یادگیری قانون وابستگی یادگیری تقویتی پیش بینی ساختاریافته...

یادگیری با نظارت یا یادگیری تحت نظارت (به انگلیسی: Supervised learning) یکی از زیرمجموعه‌های یادگیری ماشینی است. در این روش مدل با دریافت اطلاعات برچسب...

انگلیسی: perceptron) کوته‌نوشت نورون ادراکی یک الگوریتم یادگیری ماشین است که در دسته یادگیری با نظارت قرار می‌گیرد. الگوریتم پرسپترون یک الگوریتم دسته‌بندی...

که الگوریتم‌های یادگیری سریع را برایش اختراع کردند، به شهرت رسیدند. RBMها کاربردهایی در کاهش ابعاد، طبقه‌بندی، پالایش گروهی، یادگیری ویژگی، مدل عناوین...

کلی دارد: و آن این که از یک الگوریتم یادگیری درخت اصلاح شده‌استفاده می‌کند که در هر تقسیم کاندیدها در فرایند یادگیری، زیر مجموعه‌ای تصادفی از ویژگی‌های...

شبکه‌های عصبی ژرف هستند که معمولاً برای انجام تحلیل‌های تصویری یا گفتاری در یادگیری ماشین استفاده می‌شوند. شبکه‌های عصبی پیچشی به منظور کمینه کردن پیش‌پردازش‌ها...

در یادگیری ماشین و طبقه‌بندی آماری، مساله‌ی افراز داده‌ها به سه رده یا بیش‌تر را رده‌بندی چندگانه یا طبقه‌بندی چنددسته‌ای یا دسته‌بندی چندجمله‌ای می‌نامند...

یادگیری فعال یک مورد خاص از یادگیری ماشین است که در آن یک الگوریتم یادگیری می‌تواند به‌طور تعاملی از کاربر (یا منبع اطلاعاتی دیگر) سؤال کند تا نقاط داده‌های...

یادگیری ماشین و داده‌کاوی موضوع‌ها طبقه‌بندی آماری خوشه‌بندی تحلیل رگرسیون روش تشخیص ناهنجاری یادگیری قانون وابستگی یادگیری تقویتی پیش بینی ساختاریافته...

یادگیری با استفاده از تابع کرنل چندگانه به مجموعه‌ای از روش‌های یادگیری ماشین گفته می‌شود که از تعدادی از توابع کرنل از پیش تعریف‌شده استفاده می‌کنند...

اصل موضوع، بُنداشت، بُن قانون یا آکسیوم (به فرانسوی: Axiome) در فلسفه، ریاضیات، منطق و فیزیک، گزاره‌ای است که بدونِ اثبات و به شکل پیش‌فرض پذیرفته می‌شود...

خوشه‌بندی کی‌میانگین به عنوان یک مرحله یادگیری ویژگی (یا یادگیری دیکشنری) در (یادگیری نیمه نظارتی یا یادگیری خودران (خودسازمانده) استفاده شده است. رویکرد...

کارکردی شوند. تنها در این صورت، نیاز به درمان وجود دارد. درمان مبتنی بر اصول یادگیری برای یادگارپرستی به کار رفته تا حدودی موفق بوده است. برای مثال، درمان انزجاری،...

وی‌آی‌سی-۲۰ را خرید. ایلان به برنامه‌نویسی علاقه‌مند شد و به تنهایی شروع به یادگیری برنامه‌نویسی کرد. در سن ۱۲ سالگی با فروش بازی ویدئویی Blastar که شخصاً...

درحوزه یادگیری ماشین، یادگیری تقویتی از بازخورد انسانی (انگلیسی: Reinforcement learning from human feedback) (اختصاری RLHF) تکنیکی برای همسو کردن یک عامل...

یادگیری بی‌نظارت (خودران، خودسازمانده، یادگیری بی داده‌های برچسب‌دار) نوعی یادگیری ماشینی است که به دنبال الگوهای ناشناخته در یک دسته داده‌ی بی برچسب با...

مطالعاتش در مارکسیسم–لنینیسم او را به این باور رسانده بود که عقب‌ماندگی و وابستگی جهان سوم نتیجه از امپریالیسم، استعمار نو و سرمایه‌داری انحصاری ناشی می‌شود...

تمایز قائل شود. که لازم است با دیگری مبادله شود. مقاله بعدی ژانویه ۲۰۱۹، یادگیری بازنمایی گفتار بدون نظارت با استفاده از رمزگذارهای خودکار WaveNet روشی...