Fuzzy NN
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Indian Statistical Institute
- Tipo de Organización
- Academia
- País
- India
- Publicado
- 1 September 1992
- Autores
- SK Pal, S Mitra
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Speech
- Tarea
- Speech recognition (ASR)
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 1.2K
- Datos de entrenamiento
- 436 tokens
Table II: "he neural network has three hidden layers, with m hidden nodes in each layer", m = 20, input dim. = 9, output dim. = 6 9*20+20*20+20*20+6*20+66=1166
"The above-mentioned algorithm was tested on a set of 871 Indian Telugu vowel sounds" and 50% of the dataset was used. 871*0.5 ~= 436
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 1.4 × 10⁹ FLOP
- Cómo se estableció
- Operation counting
1166 params * 2 FLOP/param * (3 for forward + backward pass) * 460 epochs * 436 examples
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 1,223
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Multilayer perceptron, fuzzy sets, and classification
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Fuzzy NN fue publicado por Indian Statistical Institute, en el país registrado como India, durante September 1992. Sale de una organización categorizada como academia.
Funciona en el dominio de Speech, y se registra como realizando la tarea de speech recognition (ASR).
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Qué se necesitó para construirlo
Entrenarlo tomó un presupuesto de computación de aproximadamente 1.4 × 10⁹ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El conjunto de entrenamiento se ejecutó a aproximadamente 436 tokens de texto
Respuestas
Fuzzy NN — preguntas comunes
Fuzzy NN— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1.2K. Table II: "he neural network has three hidden layers, with m hidden nodes in each layer", m = 20, input dim. = 9, output dim. = 6 9*20+20*20+20*20+6*20+66=1166. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
Fuzzy NN— ¿Quién lo creó?
Fue publicado por Indian Statistical Institute, basado en India, una organización categorizada como academia.
Fuzzy NN— ¿cuándo fue lanzado?
Se publicó en September 1992. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Fuzzy NN— ¿Para qué se utiliza?
Funciona en el dominio de Speech, y se registra como manejando la tarea de speech recognition (ASR). Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Fuzzy NN— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.4 × 10⁹ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
Fuzzy NN— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Fuzzy NN— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.