Fuzzy NN
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Indian Statistical Institute
- Type d'organisation
- Academia
- Pays
- India
- Publié
- 1 September 1992
- Auteurs
- SK Pal, S Mitra
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Speech
- Tâche
- Speech recognition (ASR)
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 1.2K
- Données d'entraînement
- 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
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 1.4 × 10⁹ FLOP
- Comment cela a été établi
- Operation counting
1166 params * 2 FLOP/param * (3 for forward + backward pass) * 460 epochs * 436 examples
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Confiance d'enregistrement
- Confident
- Citations
- 1,223
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Multilayer perceptron, fuzzy sets, and classification
- Dernière mise à jour
- 28 November 2025
Ce que les chiffres signifient
Contexte
Fuzzy NN a été publié par Indian Statistical Institute, dans le pays enregistré comme India, durant September 1992. Cela provient d'une organisation classée comme academia.
Il fonctionne dans le domaine de Speech, et est enregistré comme exécutant la tâche de speech recognition (ASR).
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Qu'est-ce qui a été nécessaire pour le construire
L'entraînement a nécessité un budget de calcul d'environ 1.4 × 10⁹ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
L'ensemble d'entraînement a duré environ 436 jetons de texte
Réponses
Fuzzy NN — questions courantes
Fuzzy NN— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres 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. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Fuzzy NN— qui l'a créé ?
Il a été publié par Indian Statistical Institute, basé sur India, une organisation catégorisée comme academia.
Fuzzy NN— quand a-t-il été publié ?
Il a été publié dans September 1992. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
Fuzzy NN— à quoi ça sert ?
Il fonctionne dans le domaine de Speech, et est enregistré comme gérant la tâche de speech recognition (ASR). Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
Fuzzy NN— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 1.4 × 10⁹ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Fuzzy NN— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
Fuzzy NN— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.