Обучение глубокое (deep learning) — подход к созданию богатых иерархических представлений посредством обучения нейронных сетей с большим количеством скрытых слоев.
Примечание. Глубокое обучение также известно как глубокое обучение нейронной сети.
[ГОСТ Р (проект, первая редакция). Информационные технологии. Искусственный интеллект.]
Обучение глубокое (deep learning) — подход к созданию богатых иерархических представлений посредством эффективного обучения архитектур с неограниченным количеством слоев.
[ПНСТ. Информационные технологии. Искусственный интеллект. Термины и определения. Стандартинформ]
Обучение глубокое (глубинное) (Deep Learning) — передовые методы машинного обучения*, позволяющие компьютеру самостоятельно учиться распознавать сложные объекты – например, лицо, кошку и пр. – просматривая миллионы найденных в Интернете изображений, которые не были предварительно аннотированы человеком. Глубокое обучение, основанное на сочетании алгоритмов машинного обучения*, искусственных нейронных сетей* и больших данных*, позволило совершить прорыв в развитии искусственного интеллекта. Оно имеет широкий спектр применений, в том числе в поисковых системах, медицинской диагностике, беспилотных автомобилях и т. д. Благодаря ему в 2015 году компьютерная программа AlphaGo сама обучилась игре в го и стала обыгрывать даже профессиональных игроков-людей.
[Толковый словарь по искусственному интеллекту. (Электронный ресурс). Режим доступа: http:// raai.org›library/tolk/ aivoc.html/, свободный.]
Обучение глубокое (Deep learning) — раздел машинного обучения, в котором применяются многослойные нейронные сети. В сочетании с высокой вычислительной мощностью и большими наборами данных могут применятся для решения большого ряда задач, в том числе, которые ранее были под силу только человеку.
[Глоссарий терминов машинного обучения. (Электронный ресурс). Режим доступа: http:// onff.ru›glossarij-terminov-mashinnogo-obucheniya/, свободный.]
Обучение глубокое — семейство методов машинного обучения на основе нейронных сетей (моделей, вдохновленных человеческим мозгом), которые можно использовать для различных приложений. Получил популярность благодаря недавним успехам в задачах компьютерного зрения и распознавания речи.
[Популярные термины искусственного интеллекта.(Электронный ресурс). Режим доступа: http://skine.ruПубликации465570, свободный.]
Обучение глубокое — часть более широкого семейства машин методы обучения, основанные на представлениях данных обучения, в отличие от алгоритмов, ориентированных на конкретные задачи. Обучение может быть контролируемым, частично контролируемым или неконтролируемым.
[Глоссарий искусственного интеллекта. (Электронный ресурс). Режим доступа: http:// hrwiki.ru›wiki/Glossary_of _artificial _intelligence/, свободный.]
Обучение глубокое (Deep Learning) – это глубокое (глубинное) структурированное или иерархическое машинное обучение, набор алгоритмов и методов машинного обучения (machine learning) на основе различных видов представления данных. Обучение может быть контролируемым, полу-контролируемым (semi-supervised) или неконтролируемым. Использование в глубоком обучении рекуррентных нейронных сетей (recurrent neural networks), позволяет эффективно решать задачи в областях компьютерного зрения, распознавания речи, обработки текстов на естественном языке, машинного перевода, биоинформатики и др.
[Чесалов А. Ю. Глоссариум по искусственному интеллекту: 2500 терминов/ А. Ю. Чесалов — «Издательские решения» 2022 г., 670 стр.]
Обучение глубокое — подмножество искусственного интеллекта и машинного обучения, в котором нейронные сети являются «многоуровневыми» в сочетании с большой вычислительной мощностью и получают большой объем обучающих данных для создания чрезвычайно мощных моделей обучения, способных к обработке. данные новыми и интересными способами в ряде областей, например продвижение области компьютерного зрения.
[Терминология искусственного интеллекта. (Электронный ресурс). Режим доступа: http:// design-hero.ru›articles/468466//, свободный]