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 der Verschwindende / Explodierende Gradient

Die Konzepte des Verschwindenden Gradienten und des Explodierenden Gradienten sind entscheidend im Kontext des tiefen Lernens und des Trainings von neuronalen Netzwerken.

Der Verschwindende Gradient bezieht sich auf das Szenario, in dem die Gradienten während der Rückpropagation extrem klein werden, sodass die Gewichte nicht mehr aktualisiert werden. Dieses Phänomen tritt häufig in tiefen Netzwerken auf, insbesondere in solchen, die die Sigmoid- oder Tanh-Aktivierungsfunktionen verwenden, was zu langsamen oder stagnierenden Lernprozessen führt.

Der Explodierende Gradient hingegen tritt auf, wenn die Gradienten während der Rückpropagation übermäßig wachsen, was zu instabilen Gewichtsanpassungen und einer Divergenz des Modells führt. Dies ist häufig bei Netzwerken mit vielen Schichten zu beobachten, insbesondere bei der Verwendung von ReLU-Aktivierungsfunktionen.

Beide Phänomene haben erhebliche Auswirkungen auf die Effizienz und Effektivität des Trainings von Deep-Learning-Modellen. Forscher haben verschiedene Architekturen wie LSTM vorgeschlagen, um die Auswirkungen des Verschwindenden Gradienten zu mindern, und Techniken wie das Gradientenclipping entwickelt, um mit dem Explodierenden Gradient umzugehen.

Mit der Weiterentwicklung des Deep Learning wird die Bewältigung dieser Probleme zunehmend wichtig, wobei neue Aktivierungsfunktionen und Netzwerkdesigns entwickelt werden, um die Stabilität der Gradienten zu gewährleisten.