intern repræsentation
Den kodning af inputdata, som en neural netværksmodel lærer i sine skjulte lag, og som fanger de relevante strukturer og mønstre.
Kort fortalt
Den måde, en AI-model forestiller sig data på indeni, så den kan genkende mønstre.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
2- 1
Den latente repræsentation af inputdata, der dannes i en models skjulte lag, og som er optimeret til at løse en given opgave.
- Modellens interne repræsentation i de sidste skjulte lag adskiller tydeligt katte fra hunde.
- Ved at analysere den interne repræsentation kan man forstå, hvilke features modellen lægger vægt på.
- 2
I kognitionsvidenskab og symbolsk AI: en symbolsk struktur, der repræsenterer viden i et regelsystem.
- I ekspertsystemer udgør en intern repræsentation af fakta og regler grundlaget for inferens.
Hvornår bruges det
Begrebet bruges til at forklare, hvordan modeller lærer nyttige transformationer af data, fx i konvolutionelle netværk (billedgenkendelse) eller i sprogmodeller (ordbetydninger). Det er centralt i transfer learning, hvor man genbruger en intern repræsentation trænet på én opgave til en anden.
Oprindelse
Udtrykket stammer fra kognitionspsykologi, hvor det betegner den mentale repræsentation af viden. I maskinlæring blev det adopteret i 1980'erne med fremkomsten af neurale netværk og backpropagation.
Kilder
1- Deep Learning (Goodfellow, Bengio, Courville, 2016)