Otimização de Política Proximal (em inglês Proximal Policy Optimization (PPO)) é uma família de algoritmos de aprendizado por reforço sem modelo desenvolvido...

inteligência artificial (IA) que envolve o uso de algoritmos para encontrar padrões ou estruturas em conjuntos de dados não rotulados. Isso significa que, ao...

aprendizado de máquina, vazamento (do inglês leakage, também conhecido como vazamento de dados ou vazamento de alvo) é o uso de informações no processo de treinamento...

aprendizado de máquina, a aprendizagem de características ou aprendizagem de representações é um processo que aprende automaticamente a representação de dados...

função exponencial normalizada, converte um vetor de K números reais em uma distribuição de probabilidade de K resultados possíveis. É uma generalização da...

processamento de linguagem natural (PLN), word embedding é uma representação de uma palavra. A incorporação (embedding) é usada na análise de texto. Tipicamente...

uma biblioteca de aprendizado de máquina baseada na biblioteca Torch, usada para aplicações como visão computacional e processamento de linguagem natural...

uma penalidade de regularização na otimização. A penalidade de regularização pode ser vista como a implementação de uma forma de navalha de Occam que prefere...

controle de versão de características e políticas que regem as circunstâncias em que as características podem ser usadas. Os repositórios de características...

bastante simples de construção de classificadores: modelos que designam labels de classe para instâncias de problema, representados como valores de atributos...

criar "modelos de recompensa" que foram usados para ajustar ainda mais o modelo usando várias iterações de Otimização de Política Proximal. A revista Time...

mineração de dados e estatística, o agrupamento hierárquico (também chamado de análise de agrupamento hierárquico ou HCA) é um método de análise de agrupamento...

de decisão globalmente ótima. Para reduzir o efeito guloso da otimização local, foram propostos alguns métodos, como a árvore de distâncias duplas de...

LSTM pode ser treinada de forma supervisionada em um conjunto de sequências de treinamento, usando um algoritmo de otimização como descida do gradiente...

_{i=1}^{n}w_{i}} . Essa configuração é um caso especial de otimização estocástica, um problema bem conhecido em otimização. Na prática, pode-se realizar múltiplas passagens...

através de um algoritmo de otimização como Proximal Policy Optimization. O modelo de recompensa é treinado antecipadamente para que a política seja otimizada...

capacidade de carreamento de oxigênio pode ser melhorada pela otimização da contratilidade cardíaca, por enchimento adequado e manutenção dos níveis de hemoglobina...