Glossary

0-9

1-shot learning 3D convolution 5G + AI 6DoF pose estimation 7D representation 8-bit quantization 2-stage detector 9-layer network 0-shot learning 4D data

A

AGI / Artificial General Intelligence Attention Autoencoder Algorithm Artificial Intelligence (AI)

B

Backpropagation Batch Normalization BERT Bias Boosting

C

Clustering CNN / Convolutional Neural Network Chatbot Classifier / Classification Cross-Validation

D

Data Augmentation Deep Learning Deepfake Deterministic Model Discriminative Model

E

Encoder Embedding Ensemble Learning Epoch Explainable AI (XAI)

F

Foundation Model Fine-tuning Fusion / Multimodal Fusion Feature Extraction Forward Propagation

G

Graph Neural Network (GNN)GAN / Generative Adversarial Network Generative AI Gradient Descent Grounding

H

Hierarchical Model Hyperparameter Hidden Layer Hallucination Heuristic

I

Instance / Sample Instruction tuning Intelligence Amplification / Augmentation Interpretability Imbalanced Data

J

JAX Jittering Joint Embedding JSONL / JSON-lines Juxtaposition

K

Kernel Trick KL Divergence (Kullback–Leibler Divergence)K-means Clustering K-Shot Learning Knowledge Distillation

L

Learning Rate Large Language Model (LLM)Latent Variable Loss Function LSTM / Long Short-Term Memory

M

Model Machine Learning (ML)Meta-learning Multi-head Attention Multimodal / Multimodality

N

Neural Network Novelty Detection / Anomaly Detection NLP / Natural Language Processing NLU / Natural Language Understanding Normalization

O

Objective Function Optimizer One-hot Encoding Online Learning Overfitting

P

Parameter Prompt Policy / Reinforcement Learning Policy Pooling Pretraining

Q

Query Q-learning Quality Estimation Quantization Queue / Buffer

R

Representation Learning Regularization Reinforcement Learning (RL)Retrieval Augmented Generation (RAG)RNN / Recurrent Neural Network

S

Sampling Self-Supervised Learning Sequence Modeling Softmax Supervised Learning

T

Tokenizer Transfer Learning Transformer Tuning / Hyperparameter Tuning Training Data

U

Universal Approximation Theorem U-Net Underfitting Uncertainty Estimation Unsupervised Learning

V

Validation Set Vanishing / Exploding Gradient Variational Autoencoder (VAE)Vector Embedding Vision Transformer (ViT)

W

Weak Supervision Weight Decay Whitening / Whitening Transformation Word Embedding Workflow

X

XOR problem X-axis / feature axis XAI / Explainable AI XLM XLNet

Y

Y-axis / feature axis Y-transform / YUV YAGNI (You Aren't Gonna Need It)Yield (model yield / throughput)Yoga of AI

Z

Zero-gradient phenomenon Zero-centric / Zero-bias initialization Z-score Normalization Zero-shot Learning / Zero-shot inference Zygosity in augmentation

Was ist die KL-Divergenz (Kullback–Leibler-Divergenz)

Die Kullback-Leibler-Divergenz (KL-Divergenz) ist ein grundlegendes Konzept in der Informationstheorie und Statistik, das den Unterschied zwischen zwei Wahrscheinlichkeitsverteilungen quantifiziert. Sie wird in Bereichen wie maschinellem Lernen, Statistik und Informationsretrieval häufig verwendet. Je kleiner der Wert der KL-Divergenz ist, desto ähnlicher sind die beiden Verteilungen; umgekehrt weist ein größerer Wert auf eine größere Divergenz hin.

Die Formel für die KL-Divergenz ist definiert als:
D_{KL}(P || Q) = ∑ P(i) log(P(i)/Q(i)), wobei P und Q zwei Wahrscheinlichkeitsverteilungen sind. Die KL-Divergenz ist für nicht-negative Wahrscheinlichkeitsverteilungen nicht negativ und ist nur dann gleich null, wenn P und Q identisch sind. Eine bemerkenswerte Eigenschaft der KL-Divergenz ist ihre Asymmetrie; D_{KL}(P || Q) ist nicht gleich D_{KL}(Q || P).

In der Praxis wird die KL-Divergenz häufig zur Modellbewertung, zum Training generativer Modelle und zur Informationskompression verwendet. Zum Beispiel können Optimierungsalgorithmen im maschinellen Lernen die KL-Divergenz minimieren, um die vorhergesagte Verteilung des Modells mit der tatsächlichen Datenverteilung in Einklang zu bringen.

In Zukunft könnte die KL-Divergenz mit dem Fortschritt von Deep Learning und Big Data-Technologien mit anderen Informationsmetriken kombiniert werden, um komplexere Modelle zur Verarbeitung hochdimensionaler Daten zu schaffen.

Die Vorteile der KL-Divergenz liegen in ihrer mathematischen Einfachheit und der leichten Berechnung, während die Nachteile ihre Empfindlichkeit gegenüber Nullwahrscheinlichkeitsereignissen sind, was zu instabilen Ergebnissen führen kann. Bei der Verwendung sollte sichergestellt werden, dass die Eingabewahrscheinlichkeitsverteilungen gültig sind.