Глоссарий терминов

Задача машинного обучения, в которой модель относит объект ровно к одному из трёх или более взаимоисключающих классов. Расширение бинарной классификации на произвольное…

Нейронная сеть с одним или несколькими скрытыми слоями, способная моделировать нелинейные зависимости между входными и выходными данными.

Состояние модели машинного обучения, при котором она не улавливает закономерности в данных и показывает низкую точность как на обучающей, так и на…

Вычислительная единица искусственной нейросети, которая суммирует взвешенные входные сигналы, добавляет смещение и передаёт результат через функцию активации.

Математическая модель, состоящая из связанных между собой простых вычислительных элементов (нейронов), которая обучается находить закономерности в данных.

Алгоритм обучения нейронных сетей, при котором ошибка вычисляется на выходе и последовательно передаётся назад по слоям для корректировки весов.

Состояние модели, при котором она запоминает обучающие данные вместе с шумом, показывая высокую точность на тренировке, но плохие результаты на новых данных.

Простейшая модель искусственного нейрона, предложенная Фрэнком Розенблаттом в 1957 году. Обучаемый бинарный классификатор, который разделяет данные на два класса с помощью линейной…

Слой нейросети, в котором каждый нейрон соединён со всеми нейронами предыдущего слоя. Используется для финальной классификации и объединения признаков.

Метод в машинном обучении, который добавляет штраф за сложность модели к функции потерь, чтобы предотвратить переобучение и улучшить обобщающую способность.

Слой нейросети, который применяет фильтры к входным данным для извлечения признаков — границ, текстур, форм — с сохранением пространственной структуры.

Слой — это уровень нейронной сети, который преобразует входные данные, извлекая из них признаки и передавая результат дальше.

Метрика оценки качества регрессионных моделей, вычисляемая как среднее квадратов разностей между предсказанными и фактическими значениями.

Параметр генерации, управляющий степенью случайности выбора следующего токена языковой моделью. Чем выше значение, тем более разнообразным и «креативным» будет ответ, чем ниже…

Математическая функция, определяющая выход нейрона на основе взвешенной суммы входов и вносящая нелинейность в нейросеть.

Метрика, которая численно оценивает, насколько предсказания модели отличаются от истинных значений. Обучение модели сводится к минимизации этой метрики.

Один полный проход всего набора обучающих данных через нейросеть, после которого происходит обновление весов модели.