Fuzzy NN
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Indian Statistical Institute
- Organisatietype
- Academia
- Land
- India
- Gepubliceerd
- 1 September 1992
- Auteurs
- SK Pal, S Mitra
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Speech
- Taak
- Speech recognition (ASR)
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 1.2K
- Training gegevens
- 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
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 1.4 × 10⁹ FLOP
- Hoe het werd opgericht
- Operation counting
1166 params * 2 FLOP/param * (3 for forward + backward pass) * 460 epochs * 436 examples
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
- Citaties
- 1,223
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Multilayer perceptron, fuzzy sets, and classification
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
Fuzzy NN werd gepubliceerd door Indian Statistical Institute, in het land geregistreerd als India, tijdens September 1992. Het komt uit een organisatie gecategoriseerd als academia.
Het werkt in het domein van Speech, en wordt geregistreerd als het uitvoeren van de taak van speech recognition (ASR).
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Wat erin ging zitten om het te bouwen
Training kostte een rekensbudget van ongeveer 1.4 × 10⁹ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
De trainingsset liep naar ongeveer 436 tekstokens
Antwoorden
Fuzzy NN — veelgestelde vragen
Fuzzy NN— hoeveel parameters heeft het?
Het heeft een parameter telling van 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. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Fuzzy NN— wie heeft het gemaakt?
Het werd gepubliceerd door Indian Statistical Institute, gebaseerd op India, een organisatie geclassificeerd als academia.
Fuzzy NN— wanneer is het uitgebracht?
Het werd gepubliceerd in September 1992. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Fuzzy NN— waarvoor wordt het gebruikt?
Het werkt in het domein van Speech, en wordt geregistreerd als het afhandelen van speech recognition (ASR). Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
Fuzzy NN— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 1.4 × 10⁹ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Fuzzy NN— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Fuzzy NN— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.