MI 11 Gépi tanulás Flashcards
(10 cards)
Mi a gépi tanulás célja?
A rendszer teljesítményének javítása tapasztalat alapján, általánosítás új példákra.
Mi jellemzi a felügyelt tanulást?
Ismert bemenet-kimenet párok alapján történik, cél az f(x) ≈ y függvény megtanulása.
Milyen feladatokra alkalmas a felügyelt tanulás?
Osztályozás (diszkrét kimenet) és regresszió (folytonos kimenet).
Mi történik nem felügyelt tanulás során?
A modell címkék nélkül próbál mintázatokat felismerni az adatokban.
Mi a megerősítéses tanulás lényege?
Az ágens jutalmak és büntetések alapján tanulja meg a legjobb stratégiát.
Melyek a legismertebb gépi tanuló algoritmusok?
K-nn, döntési fák (ID3, C4.5), Naiv Bayes, SVM, Q-learning, SARSA.
Hogyan működik egy mesterséges neuron?
Súlyozott összegzést végez és egy aktivációs (transzfer) függvényt alkalmaz.
Mi a különbség az FNN és az RNN között?
FNN-ben nincs visszacsatolás, RNN-ben van, így időfüggő adatokat is kezel.
Mi jellemzi a konvolúciós neurális hálót (CNN)?
Képfeldolgozásra specializált háló, lokális mintázatokat ismer fel.
Mi történik a backpropagation során?
A hiba visszaterjesztése révén módosulnak a háló súlyai a tanulás érdekében.
