超參數調整 (Hyperparameter tuning)
超參數調整是機器學習中一個關鍵的過程，用於尋找和設定模型訓練前所需的最佳超參數組合，使模型在特定任務中達到最佳性能。所謂「超參數」，是指那些影響模型學習過程和結構，但不是通過模型訓練自動獲得的參數，而是需要人工或自動方法在訓練前進行設定的參數。透過針對不同超參數組合迭代訓練和驗證，超參數調整旨在提高模型的準確度、穩定性和泛化能力。
查看AI術語
什麼是 GTP?
「GTP」可能是指很多不同領域的術語，但在人工智慧與自然語言處理領域中，常見與「GTP」音近、且極具代表性的技術是「GPT」，即「生成式預訓練變換器」（Generative Pre-trained Transformer）。以下將針對最相關和熱門的GPT模型進行介紹。
查看AI術語
遺傳算法 (Genetic algorithms)
遺傳算法（Genetic Algorithms，GA）是一種基於生物進化理論的隨機化搜索與優化方法，由美國密西根大學的John Holland教授於1975年首次提出。該算法模擬自然界達爾文的「物競天擇、適者生存」和遺傳變異的演化過程，針對複雜的優化問題通過群體中多個潛在解（稱為個體或染色體）的迭代進化，逐步逼近或找到全局最優解。
查看AI術語
GAN生成對抗網絡
生成對抗網絡（Generative Adversarial Network，簡稱GAN）是一種深度學習架構，由Ian Goodfellow及其團隊於2014年提出。GAN通過兩個神經網絡——生成器（Generator）和判別器（Discriminator）——在對抗性遊戲中相互競爭與提升，達到生成逼真數據的目的。這種模型極大地推動了生成式人工智慧的發展，讓計算機能夠從無監督學習的資料中創造出近似真實的圖像、聲音甚至文本。
查看AI術語
模糊邏輯 (Fuzzy logic)
模糊邏輯是一種基於模糊集合理論的數學邏輯系統，用於處理生活中常見的模糊性和不確定性問題。傳統的經典邏輯只允許命題為真或假（即0或1），而模糊邏輯則允許命題具有介於0與1之間的任意值，代表部分真與部分假的程度。這種邏輯方法更接近人類思維方式，能夠表達「比較高」、「稍微快」等不精確的語義，更有效地處理不確定和模糊的信息。
查看AI術語