Error Propagation
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
- University of California San Diego,Carnegie Mellon University (CMU)
- Tipo de Organización
- Academia,Academia
- País
- United States of America
- Publicado
- 3 January 1986
- Autores
- D. E. Rumelhart, G. E. Hinton, and R. J. Williams
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Other
- Tarea
- Text classification, Image classification
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.
- Datos de entrenamiento
- 64 tokens
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- Highly cited
- Confianza de registro
- Unknown
- Citas
- 27,322
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Learning internal representations by error propagation
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
Error Propagation fue publicado por University of California San Diego,Carnegie Mellon University (CMU), en el país registrado como United States of America, durante January 1986. La organización editora está clasificada como academia,Academia.
Funciona en el dominio de Other, y se registra como realizando la tarea de text classification, Image classification.
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.
Entrenamiento y procedencia
Fue entrenado en un corpus de aproximadamente 64 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
Error Propagation — preguntas comunes
Error Propagation— ¿Quién lo creó?
Fue publicado por University of California San Diego,Carnegie Mellon University (CMU), basado en United States of America, una organización categorizada como academia,Academia.
Error Propagation— ¿cuándo fue lanzado?
Se publicó en January 1986. 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.
Error Propagation— ¿Para qué se utiliza?
Funciona en el dominio de Other, y se registra como manejando la tarea de text classification, Image classification. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Error Propagation— ¿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.
Error Propagation— ¿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.
Error Propagation— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
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.