Свидетельство о регистрации СМИ: ЭЛ № ФС77-79395 от 02.11.2020 ISSN: 2782-1528 DOI 10.34660/c0727-6092-6372-a
Обучение с подкреплением (reinforcement learning) — машинное обучение, при котором используется функция вознаграждения для оптимизации функции поведения или функции общего подкрепления путем последовательного взаимодействия со
Модель машинного обучения (machine learning model) — математический конструкт, который генерирует вывод, или предсказание, на основе входных данных. Примечание. Модель машинного обучения является результатом обучения
Алгоритм машинного обучения (machine learning algorithm): Алгоритм для определения в соответствии с заданными критериями параметров модели машинного обучения по данным. Пример. Правила для решения одномерной
Обучение машинное (machine learning) — процесс, реализующий вычислительные методы, которые предоставляют системам возможность обучаться на данных или на основе опыта. [ГОСТ Р (проект, первая редакция).
Память долгая, краткосрочная (long short-term memory) — тип рекуррентной нейронной сети, которая управляет последовательными данными, такими как временные данные, для одновременно длинных и коротких временных
Объединение человеко-машинное (human-machine teaming) — эффективная и действенная интеграция человеческого взаимодействия и интеллектуальных способностей машины. Примечание. В отличие от автоматизации, где машина заменяет человеческий труд,
Обучение глубокое (deep learning) — подход к созданию богатых иерархических представлений посредством обучения нейронных сетей с большим количеством скрытых слоев. Примечание. Глубокое обучение также известно
Выборка данных (data sampling) — метод статистического анализа, используемый для выбора, обработки и анализа представительного подмножества данных для выявления паттернов и трендов в более крупном
Аугментация данных (data augmentation) — процесс создания новых экземпляров данных путем совершения действий с исходными данными. [ГОСТ Р (проект, первая редакция). Информационные технологии. Искусственный интеллект.]
Проверка качества данных (data quality checking) — процесс определения того, какие дефекты входящих идентификационных записей могут быть исправлены системой и какие не могут быть исправлены