ADALINE
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
- Stanford University
- Tipo de Organización
- Academia
- País
- United States of America
- Publicado
- 30 June 1960
- Autores
- Widrow and Hoff
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Vision
- Tarea
- Pattern recognition
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
- 0K
- Datos de entrenamiento
- 100 tokens
"The machine's total experience is stored in the values of the weights a0,...,a16"
"The best system, arrived at by slow precise adaptation on the full body of 100 noisy patterns, was able to classify these patterns as desired except for twelve errors." https://isl.stanford.edu/~widrow/papers/c1960adaptiveswitching.pdf
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
- 6.6 × 10³ FLOP
- Cómo se estableció
- Operation counting
"The method of searching that has proven most useful is the method of steepest descent" Apparently each pattern was only shown once to the system. So the training compute is (forward pass compute) * (3 for backprop) * dataset size This is a single layer (and single neuron) which does not require gradients w.r.t. inputs - 1:1 forward-backward ratio
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo Frontier
- Yes
- Por qué se rastrea
- Highly cited
- Confianza de registro
- Confident
- Citas
- 6,329
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Adaptive switching circuits
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
ADALINE fue publicado por Stanford University, en el país registrado como United States of America, durante June 1960. La organización editora está clasificada como academia.
Funciona en el dominio de Vision, y se registra como realizando la tarea de pattern recognition.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
El entrenamiento consumió alrededor de 6.6 × 10³ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
Fue entrenado en un corpus de aproximadamente 100 tokens de texto
Su criterio de inclusión: highly cited.
Respuestas
ADALINE — preguntas comunes
ADALINE— ¿Para qué se utiliza?
Funciona en el dominio de Vision, y se registra como manejando la tarea de pattern recognition. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
ADALINE— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 6.6 × 10³ 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.
ADALINE— ¿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.
ADALINE— ¿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.
ADALINE— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 0K. "The machine's total experience is stored in the values of the weights a0,...,a16". 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.
ADALINE— ¿Quién lo creó?
Fue publicado por Stanford University, basado en United States of America, una organización categorizada como academia.
ADALINE— ¿cuándo fue lanzado?
Se publicó en June 1960. 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.
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.