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]
Обучение глубокое — это подмножество машинного обучения, которое использует нейронные сети с множеством скрытых слоев для анализа данных. Глубокие нейронные сети эффективны в решении задач, связанных с изображениями, текстом и звуком.
[50 терминов для инженера машинного обучения. (Электронный ресурс). Режим доступа: http:// Pro-DGTL.ru›blog/razrabotka/tpost/4e93vbs2p1-50-/, свободный.]
Обучение глубокое (нейронной сети) (deep learning, deep neural network learning): <искусственный интеллект> подход к созданию обширных иерархических представлений посредством обучения нейронных сетей с большим количеством скрытых слоев.
Примечание. Глубокое обучение является частным случаем машинного обучения.
[ГОСТ Р 71476-2024. Искусственный интеллект. Концепции и терминология искусственного интеллекта]
[ГОСТ Р ИСО/МЭК 22989–2022.Информационные технологии. Искусственный интеллект Концепции и терминология искусственного интеллекта]
Обучение глубинное — подобласть машинного обучения, которая занимается изучением нейросетей с большим количеством параметров. Эти нейросети представляют особый интерес, так как увеличение числа параметров значительно улучшает качество их предсказаний и усиливает их способность к обобщению.
[10 терминов, чтобы лучше понять нейросети/ (Электронный ресурс). Режим доступа: http:// sysblok.ru›nlp/10-slov-mashinnogo-obuchenija//, свободный]
Обучение глубокое — подобласть искусственного интеллекта и машинного обучения, в которой используются нейронные сети с несколькими «скрытыми» (глубокими) слоями. Благодаря как алгоритмическим улучшениям, так и технологическим достижениям, в последние годы глубокое обучение успешно используется для обучения моделей ИИ, которые могут выполнять множество сложных задач, подобных человеческим, — от распознавания речи до идентификации содержимого изображения.
[Термины искусственного интеллекта. (Электронный ресурс). Режим доступа: http:// neuro-core.ru›blogs/artificial-intelligence-about/, свободный.]