Error Propagation
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of California San Diego,Carnegie Mellon University (CMU)
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 3 January 1986
- Autori
- D. E. Rumelhart, G. E. Hinton, and R. J. Williams
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Other
- Compito
- Text classification, Image classification
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 64 tokens
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited
- Record fiducia
- Unknown
- Citazioni
- 27,322
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Learning internal representations by error propagation
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
Error Propagation è stato pubblicato da University of California San Diego,Carnegie Mellon University (CMU), nel paese registrato come United States of America, durante January 1986. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Other, ed è registrato come eseguire il compito di text classification, Image classification.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Addestramento e provenienza
È stato addestrato su un corpus di circa 64 token di testo
Il suo criterio di inclusione: highly cited.
Risposte
Error Propagation — domande comuni
Error Propagation— chi l'ha creato?
È stato pubblicato da University of California San Diego,Carnegie Mellon University (CMU), basato su United States of America, un'organizzazione categorizzata come academia,Academia.
Error Propagation— quando è stato rilasciato?
È stato pubblicato in January 1986. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
Error Propagation— A cosa serve?
Funziona nel dominio di Other, e viene registrato come gestire il compito di text classification, Image classification. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Error Propagation— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Error Propagation— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Error Propagation— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.