överföringsinlärning

(transfer learning) – en form av maskinlärning där programmet tränas på en typ av uppgifter för att senare kunna lösa en annan, liknande typ av uppgifter. – Ett enkelt exempel är att ett program som tränats att känna igen bilder av katter i fotografier troligen lätt kan anpassas för att känna igen bilder av hundar. Men en vanlig anledning till att man använder överföringsinlärning är att det finns för lite material från måldomänen för att man ska kunna träna maskininlärningsprogrammet med det. Därför tränar man programmet på liknande material som det finns mer av (källdomänen) och tillämpar sedan det på måldomänen. Ett annat exempel är när man ska lära ett program att känna igen fotgängare i mörker. Sådana bilder har få detaljer och är därför svåra för ett program att analysera. Man börjar då med att träna programmet på bilder av fotgängare i dagsljus. Då lär sig programmet vad det ska leta efter i en bild för att hitta fotgängare, och det kan underlätta analysen av bilder av fotgängare tagna i mörker.

– Termer:

  • Måldomän (target domain) – det område som man vill tillämpa maskininlärningen på;
  • Måluppgift (target task) – den uppgift som programmet ska lösa;
  • Källdomän (source domain) – det område som programmet först tränas på i överföringsinlärning;
  • Källuppgift (source task) – den uppgift som programmet tränas att lösa i källdomänen.

[maskininlärning] [5 april 2021]

dataförgiftning

manipulering av data avsedda för träning av system för artificiell intelligens och maskininlärning. – Dataförgiftning går till så att angriparen lägger till vilseledande data i en träningsdatamängd. Det leder till att programmet för AI eller maskininlärning får missvisande resultat. Dataförgiftning kan göras som rent sabotage eller i syfte att styra resultaten i en viss riktning. – På engelska: data poisoning.

[ai] [attacker] [ändrad 29 augusti 2021]

igenkänning

om datorprogram: mätning och analys av företeelser i den yttre världen på ett sådant sätt att programmet kan känna igen andra förekomster av samma företeelse och hänföra dem till ett namn eller kategori. Igenkänning kan gälla:

  • – individer. Ansiktsigenkänning och röstigenkänning är identifiering av den person vars ansikte finns på bilden respektive den som talar. Alternativt, om personen inte kan identifieras (namnges), skapande av en profil som kan sparas för att senare jämföras med andra iakttagelser;
  • – typer, arter, sorter. Bildigenkänning (motivigenkänning) är igenkänning av det som visas på en bild, till exempel en bil eller en hund. Det är inte nödvändigt att säga exakt vilken bil eller vilken hund. Teckenigenkänning är identifiering av bokstäver och andra tecken från bilder av text.

– Igenkänning, på engelska recognition, i olika former brukar ses som tillämpning av artificiell intelligens och görs ofta med maskininlärning. – Man behöver ibland skilja mellan igenkänning och upptäckt (detektion). Program för ansiktsupptäckt (ansiktsdetektion) kan hitta ett ansikte i en bild, men behöver inte känna igen personen. Det är användbart för automatisk skärpeinställning på kameror.

[artificiell intelligens] [biometri] [ord på -igenkänning] [14 december 2020]

one-hot

one-hot encoding, på svenska kallat one-hot-kodningbinär kodning där tal får innehålla en och bara en etta, resten nollor. Alltså till exempel 0001, 0010, 0100, 1000. Det omvända, bara en nolla, resten ettor, kallas ibland för one‑cold encoding. One‑hot‑kodning används i maskininlärning, där det används för kodning av egenskaper: man kan till exempel låta 001 stå för rött, 010 stå för grönt och 100 stå för blått. Det är alltså en motsvarighet till att kryssa för en, och bara en, av ett antal kryssrutor i ett frågeformulär. Det används också i elektroniska kretsar. – Läs också om vandrande ettor.

[maskininlärning] [programmering] [11 juni 2020]

övervakad inlärning

(supervised learning) – om maskininlärning: programmet tränas genom att bearbeta en uppsättning med källdata och relaterade måldata. Programmet får så att säga veta facit (antingen i förväg eller under inlärningens gång): dess uppgift är att hitta regler som bestämmer hur man kommer fram till rätt svar (måldata). – Enkelt exempel: Programmet får se bilder på katter och hundar (källdata), och det får också veta vilka bilder som föreställer katter respektive hundar. Uppgiften är att hitta regler för hur man med bildigenkänning skiljer på de två husdjuren. – Jämför med oövervakad inlärning och djupinlärning. (Även: övervakad maskininlärning.)

[maskininlärning] [27 april 2020]