中文字幕一级黄色A级片|免费特级毛片。性欧美日本|偷拍亚洲欧美1级片|成人黄色中文小说网|A级片视频在线观看|老司机网址在线观看|免费一级无码激情黄所|欧美三级片区精品网站999|日韩av超碰日本青青草成人|一区二区亚洲AV婷婷

基于人工智能的系統(tǒng)能夠通過使用專家系統(tǒng)(基于決策樹等規(guī)則)、機(jī)器學(xué)習(xí)(例如深度學(xué)習(xí))，執(zhí)行視覺感知、語音識(shí)別、決策和語言之間的翻譯等任務(wù)。

一些基于人工智能的系統(tǒng)表現(xiàn)出一定程度的自主性(在沒有用戶持續(xù)指導(dǎo)/輸入的情況下在復(fù)雜環(huán)境中執(zhí)行任務(wù)的能力水平)和適應(yīng)性(從經(jīng)驗(yàn)中學(xué)習(xí)從而改變性能的能力程度)。

有幾種不同類型的ML方法(見下圖)，以及不同的ML訓(xùn)練算法。

例如，一些應(yīng)用可能使用監(jiān)督學(xué)習(xí)，其他應(yīng)用可能使用無監(jiān)督或半監(jiān)督學(xué)習(xí)。還有一些人可能使用反復(fù)試驗(yàn)的過程，也稱為強(qiáng)化學(xué)習(xí)。

不同類型的ML訓(xùn)練算法包括神經(jīng)網(wǎng)絡(luò)(例如，前饋神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等))貝葉斯網(wǎng)絡(luò)、決策樹和支持向量機(jī)等等。

常用術(shù)語：

機(jī)器學(xué)習(xí)的醫(yī)療設(shè)備(MLMD): 部分或全部使用機(jī)器學(xué)習(xí)來實(shí)現(xiàn)其預(yù)期醫(yī)療目的的醫(yī)療設(shè)備。

偏差 bias：對(duì)某些物體、人或群體的處理與其他相比有系統(tǒng)的差異。

備注: 治療是任何一種行為，包括感知、觀察、表現(xiàn)、預(yù)測或決定。(ISO/IEC TR 24027:2021)

ISO/IEC TR 24027指出，根據(jù)人工智能(基于)系統(tǒng)的預(yù)期目的，同時(shí)具有“有用”和“無用”偏差的系統(tǒng)。

例如，對(duì)于旨在檢測白血病的MLMD，有用的偏差將是相對(duì)于其他病理偏向于檢測白血病；無用的偏差可能包括預(yù)期患者人群中不同年齡組的表現(xiàn)的非預(yù)期差異。因此，根據(jù)預(yù)期目的，在一個(gè)年齡組中檢測白血病比在另一個(gè)年齡組中更有效的MLMD可能是具有“不想要的”偏差的例子。

偏差來源包括:

人類認(rèn)知偏差(包括自動(dòng)化偏差、社會(huì)偏差和確認(rèn)偏差)、

數(shù)據(jù)偏差(包括統(tǒng)計(jì)偏差、數(shù)據(jù)處理偏差和數(shù)據(jù)匯總偏差)以及

工程決策引入的偏差(例如，在特征工程期間，通過算法選擇和模型偏差)。ISO/IEC TR 24027中提供了有關(guān)偏差類型和來源的更多信息。

持續(xù)學(xué)習(xí) Continuous Learning: 在MLMD生命周期的運(yùn)行階段，每次暴露于持續(xù)發(fā)生的數(shù)據(jù)，都會(huì)導(dǎo)致MLMD發(fā)生變化的訓(xùn)練。

可靠性 Reliability：一致的預(yù)期行為和結(jié)果的性質(zhì)。

半監(jiān)督式機(jī)器學(xué)習(xí) Semi-Supervised Machine Learning：在訓(xùn)練期間利用無監(jiān)督和有監(jiān)督技術(shù)的機(jī)器學(xué)習(xí)算法。 

監(jiān)督式機(jī)器學(xué)習(xí) Supervised Machine Learning：在訓(xùn)練過程中使用標(biāo)記好的數(shù)據(jù)的機(jī)器學(xué)習(xí)。

無監(jiān)督式機(jī)器學(xué)習(xí) Unsupervised Machine Learning：僅在訓(xùn)練期間使用未標(biāo)記數(shù)據(jù)的機(jī)器學(xué)習(xí)。

測試數(shù)據(jù)集 Test Dataset: 在訓(xùn)練期間從未向ML訓(xùn)練算法顯示的一組數(shù)據(jù)，用于在訓(xùn)練后評(píng)估ML模型的性能。

訓(xùn)練 Training：通過使用訓(xùn)練數(shù)據(jù)，基于ML訓(xùn)練算法，建立或改進(jìn)ML模型參數(shù)的過程。

訓(xùn)練數(shù)據(jù)集 Training Dataset：用于訓(xùn)練ML模型的一組數(shù)據(jù)，它不是測試數(shù)據(jù)集的一部分。