Gradientní sestup je základní optimalizační algoritmus používaný při trénování neuronových sítí. Pomáhá modelu nalézt minimum ztrátové (loss) funkce tím, že postupně upravuje váhy sítě směrem „dolů“ po jejím gradientu. Jinými slovy, jde o způsob, jak se model učí – minimalizuje chybu mezi predikcí a skutečným výsledkem, krok za krokem.

Genetické algoritmy jsou inspirovány principy biologické evoluce. Využívají mechanismy jako je výběr, křížení (crossover) a mutace k nalezení optimálního řešení složitých problémů. Každé možné řešení je reprezentováno jako „jedinec“ a algoritmus opakovaně vyhodnocuje a upravuje populaci, aby dosáhl co nejlepších výsledků. V AI se genetické algoritmy používají například při optimalizaci architektur neuronových sítí, nastavení parametrů […]

GAN je architektura strojového učení složená ze dvou neuronových sítí – generátoru a diskriminátoru – které spolu „soutěží“. Generátor vytváří nové datové vzorky (například obrázky), zatímco diskriminátor se je snaží odlišit od reálných dat. Tato dynamická „hra“ vede k tomu, že generátor se postupně zlepšuje a vytváří čím dál přesvědčivější výstupy. GANy se využívají v […]