­

הרשמה לאתר

להמשך תהליך הרכישה עליך להיות רשום באתר

כניסת משתמשים רשומים

שם משתמש (דוא''ל) *
סיסמא *
arrow Iconהתחבר שכחתי סיסמא


הרשמה לאתר


הרשם לאתר על מנת לרכוש תקנים, להרשם להדרכות המכון ולהשאר מעודכן בכל הנעשה בעולם התקינה. לאחר הרשמה תוכל לצפות בתקנים שלך באיזור האישי באתר, לרכוש קרדיט או תקליטורי תקנים ועוד




arrow Iconהרשמה
תקנים בסל הקניות שלך
סה"כ: ש"חלתשלום

מילון מונחים תוצאות

 

מילון טכנולוגיות המידע
חפש

קישורים ופונקציות נמצאו 21 מונחים

  • קישור עצבי Neural connection neural link

    חיבור בין שני תאי-עֲצַב מלאכותיים המוגדר על ידי תא-עֲצב המקור, תא-עֲצב היעד ומשקל הקישור.

  • משקל קישור Connection weight and strength

    ברשתות עֲצַבּיוֹת - מקדם שכופלים בו את ערך הקלט של תא-עָצב מלאכותי לפני צירופו לערכי קלט אחרים.

  • קישור מתכנת דינמית dynamically programmable connection

    קישור עֲצַבִּי שמשקל הקישור שלו ניתן לשינוי באופן דינמי.

  • צרור bundle

    אוסף קישורים עֲצַבִּיים בין פרוסות.

  • למידה (learning (in neural networks

    ברשתות עֲצַבִּיוֹת - התהליך שבו רשת עֲצַבִּית משפרת את ביצועיה על ידי כוונון הפרמטרים שלה בתגובה לרצף של דגמי קלט.
    הערה: ככלל, הלמידה מורכבת מכוונון של משקלי קישור.


     

  • אלגוריתם למידה (learning algorithm (in neural network]

    ברשתות עֲצַבִּיוֹת - אלגוריתם המכוונן את הפרמטרים של רשת עֲצַבִּית בעת הלמידה.
    הערה: ככלל, הלמידה מורכבת מכוונון של משקלי קישור.


     

  • למידה מתוך קשרנות connectionist learning

    למידה באמצעות שינויים במשקלי הקישור של עצבים מלאכותיים ברשת עֲצַבִּית.

  • קצב למידה learning rate

    פרמטר המווסת את היקף השינויים במשקלי הקישור בעת הלמידה.
    הערה: מידת השינוי במשקל הקישור הוא מכפלה של ערך שמספק אלגוריתם הלמידה במקדם שהוא קצב הלמידה.

     

  • ארגון מאליו self-organization

    היכולת של רשת עֲצַבִּית בלמידה-לא-נבדקת לכוונן את משקלי הקישור שלה לפי המאפיינים של דגמי הקלט.

  • למידה מתוך תיקון שגיאות error-correction learning

    למידה נבדקת המשתמשת באות שגיאה המציין את ההפרש בין ערך הפלט הרצוי וערך הפלט הממשי כדי לתקן את משקלי הקישור.

  • למידת הב Hebbian learning

    למידה המגדילה את משקל הקישור של קישור עֲצַבִּי אם שני תאי-עצב מלאכותיים משופעלים סינכרונית, ומפחיתה את משקל הקישור אם העצבים משופעלים אסינכרונית.
    הערה: במקרה הפשוט ביותר, מידת השינוי במשקל הקישור היא יחסית למכפלת שני ערכי הפלט.


     

  • למידה תחרותית competitive learning

    למידה שבה תאי-עצב מלאכותיים מתחרים על הזכות להגיב על תת-קבוצה נתונה של דגמי קלט.
    הערה: התגובה של תא-עצב לדגם קלט נוטה לדכא תאי-עצב אחרים.

     

  • פונקציית שפעול activation function

    פונקציה המחשבת את ערך הפלט של תא-עָצב מלאכותי על בסיס ערכי הקלט ומשקלי הקישור השוטפים שלו.
    הערה: ערך הפלט עשוי להיות רציף או בדיד.

  • פונקציית בסיס רדיאלית (Radial basis function RBF (abb

    פונקציית שפעול הממורכזת בנקודה שצוינה על ידי וקטור משקלי הקישור, ושהפרמטרים שלה (מקומה ורוחבה) מכווננים על ידי למידה.
    הערות:
    1. ברשת פונקציות בסיס רדיאליות, פונקציות הבסיס הרדיאליות הן פונקציות השפעול של העצבים בשכבות הנסתרות, והן בונות בסיס מוגדר לייצוג הדגמים.
    2. לפונקציית בסיס רדיאלית יש ערך מקסימום או ערך מינימום, בניגוד לפונקציות שפעול רגילות שהן פונקציות מונוטוניות. פונקציית הבסיס הרדיאלית הנפוצה ביותר היא פונקציית גאוס.

  • עדכוני קישור לשניה (Connection updates per second CUPS (abb

    מספר העדכונים של קישור עֲצַבִּי לשנייה במצב למידה.

  • הפצה קדימה feed forward propagation forward propagation

    ברשת רב-שכבתית, ההפצה של כוונוני משקלי קישור, שכבה אחר שכבה, משכבת הקלט בכיוון הפלט של הרשת.

  • הפצה אחורה back propagation feedback propagation

    ברשת רב-שכבתית, ההפצה של כוונוני משקלי קישור, שכבה אחר שכבה, משכבת הפלט בכיוון הקלט של הרשת.
    הערה: הפצה אחורה משמשת בדרך כלל בלמידה מתוך תיקון שגיאות.

     

  • אמון (training (in neural networks

    ברשתות עֲצַבִּיוֹת - נוהל שבו מלמדים רשת עֲצַבִּית כיצד לשייך דגימה של ערכי קלט לערכי הפלט הנכונים.

  • תירגול (epoch (in neural networks]

    ברשתות עֲצַבִּיוֹת – הצגה של סדרת דגמי אימון לרשת עֲצבית.

  • אימון באצוות batch training

    אימון שבו משקלי הקישור מכווננים רק לאחר ההצגה של כל התרגול.

  • אמון בדגמים interactive training pattern training

    אימון הידודי שבו משקלי הקישור מכווננים לאחר הצגת כל דגם קלט.