Англо-русский толковый словарь по искусственному интеллекту и робототехнике

deep belief network (DBN) – глубокая сеть доверия (ГСД) # в машинном обучении – генеративная (порождающая) графическая модель, одна из разновидностей глубоких нейронных сетей, имеющая много слоёв скрытых переменных (узлов, нейронов, latent variables, hidden units) со связями с узлами соседних слоёв, но не с узлами своего слоя. При неконтролируемом обучении на наборе примеров (образцов) ГСД может научиться вероятностно реконструировать свои входные данные, а после такого этапа обучения может пройти контролируемое обучение для выполнения классификации (см. также belief network, classification, deep neural network, machine learning, supervised learning, unsupervised learning).

deep CNN architecture – архитектура глубокой СНС – см. D-CNN.

deepfake (

также Deep Fake) – букв. глубокая подделка; дипфейк; технология deepfake, технология дипфейков # термин образован как конкатенация deep learning (глубокое обучение) и fake (подделка); технология синтеза изображения, основанная на методах и средствах искусственного интеллекта (ИИ) и нейронных сетей, позволяющая соединять и накладывать существующие изображения и видео на исходные изображения или видеоролики. Может использоваться для подмены лица человека на видео на лицо другого человека, для создания визуальных спецэффектов, поддельных новостей, дезинформации, вредоносных обманов и различных видов мошенничества. Часто применяется, например, для создания фальшивых (фейковых) порнографических видео со знаменитостями или для порномести (см. также AI, deepfake detection).

deepfake detection

– обнаружение дипфейков # синоним – identifying deepfake (см. также deepfake).

deep generative model – глубокая генеративная модель # подобные модели широко используются во многих приложениях искусственного интеллекта (ИИ) и машинного обучения (МО), включая вариационные автоэнкодеры, автокодировщики (variational autoencoder, VAE) и генеративные состязательные сети (generative adversarial network, GAN) (см. также AI, artificial neural network, generative modeling, machine learning).

deep learning – 1. (также deep neural learning, deep training) – глубокое (глубинное) обучение [ИНС] # активно развивающийся с 2012 г. раздел машинного обучения (МО); технология обучения искусственных нейронных сетей с использованием больших объёмов различных видов входной информации (визуальной, графической, звуковой и др.) и последовательных уровней её представления. Глубокое обучение относится к классу параметрических моделей (parametric model). Эта категория алгоритмов работает с использованием статистики для поиска шаблонов (паттернов, pattern) в данных. Процесс, требующий больших вычислительных мощностей, поэтому разрабатываются методы обучения на меньших объёмах данных либо распараллеливания обучения (distributed deep learning). Например, limits of deep learning – ограничения [метода] глубинного обучения; applied deep learning research – прикладные исследования в области глубокого обучения (см. также convolutional neural network, D-CNN, deep learning developer, deep-learning platform, DLaaS, machine learning, model interpretability, training data

);

2. (также deep structured learning, hierarchical learning) – глубокое (глубинное) структурированное, или иерархическое, [машинное] обучение, ГМО # ГМО возникло как подобласть машинного обучения (МО, machine learning), которое, в свою очередь, является подобластью искусственного интеллекта (ИИ); набор алгоритмов и методов МО на основе различных видов представления данных. Обучение может быть контролируемым, полуконтролируемым (semi-supervised) или неконтролируемым. Использование глубокого обучения 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., причём получаемые результаты сравнимы, а в некоторых случаях даже лучше, чем результаты специалистов. Синоним – hierarchical learning (см. также open-source deep-learning library, deep learning model, speech recognition, supervised learning, unsupervised learning);