Глоссарий ИИ
Полный словарь искусственного интеллекта
Оптимизация роем частиц
Алгоритм оптимизации, вдохновленный социальным поведением роев, использующий частицы, которые исследуют пространство поиска, обмениваясь информацией о найденных лучших решениях.
Спайк-нейронные сети
Тип нейронной сети, который обменивается информацией через временные импульсы, ближе к биологическому функционированию мозга и эффективен с точки зрения энергопотребления.
Генеративно-состязательные сети
Архитектура, состоящая из двух конкурирующих сетей (генератора и дискриминатора), которая позволяет генерировать реалистичные синтетические данные в различных областях.
Глубокое обучение для структурированных данных
Применение техник глубокого обучения к традиционным табличным данным, с такими архитектурами как TabNet, NODE и AutoInt.
Квантовые нейронные сети
Слияние принципов квантовых вычислений и нейронных сетей, использующих суперпозицию и запутанность для потенциально экспоненциально более быстрых вычислений.
Интерпретируемость и объяснимость МО
Набор техник и методов для понимания и объяснения решений моделей машинного обучения, необходимый для доверия и регулирования.
Обучение с подкреплением на основе моделей
Подход, при котором агент изучает модель среды для планирования и принятия решений, более эффективный с точки зрения выборки, чем методы без моделей.
Вычислительная нейронаука
Междисциплинарная область, использующая математические и вычислительные модели для понимания работы нервной системы и вдохновения новых архитектур ИИ.
Глубокие сети доверия
Архитектура глубокого обучения, состоящая из множества слоев скрытых случайных переменных, используемая для извлечения признаков и генеративного моделирования.
Диффузионное обучение
Класс генеративных моделей, которые учатся инвертировать постепенный процесс диффузии, достигая передовых результатов в генерации изображений и аудио.
Гибридный символьно-коннекционистский ИИ
Подход, объединяющий символьные рассуждения и коннекционистское обучение для получения преимуществ интерпретируемости и обучающей мощи обеих парадигм.
Трансформеры и Архитектуры Внимания
Нейронные модели, основанные на механизмах внимания, которые революционизируют обработку языка и других последовательных данных.
Интерпретируемость и объяснимость моделей
Набор техник, позволяющих понимать и объяснять решения моделей машинного обучения
Байесовская оптимизация
Эффективный последовательный метод оптимизации для функций, требующих больших затрат на вычисление, использующий гауссовские процессы для моделирования неопределенности.
Временные ряды и прогнозирование
Набор статистических техник и техник машинного обучения для анализа и прогнозирования данных временных рядов
Автоэнкодеры и снижение размерности
Нейронные сети без учителя, обученные сжимать и восстанавливать данные, используемые для снижения размерности и обнаружения аномалий.
Методы ансамблей и бэггинг
Техники, объединяющие множество моделей для улучшения предиктивной производительности и надежности всей системы.
Высокопроизводительные вычисления для ИИ
Оптимизация и параллелизация алгоритмов ИИ на перспективных аппаратных архитектурах для ускорения обучения и вывода.
ИИ для принятия решений множественными агентами
Изучение систем, в которых несколько интеллектуальных агентов взаимодействуют и принимают решения в общей среде.
Обнаружение и сегментация объектов
Техники компьютерного зрения для точной локализации и разграничения объектов в изображениях или видео.
Обучение с ограничениями
Методы, интегрирующие ограничения предметной области или экспертные знания непосредственно в процесс машинного обучения.
ИИ для управления энергетикой
Применение методов ИИ для оптимизации производства, распределения и потребления энергии в интеллектуальных системах.
Частично наблюдаемое обучение с подкреплением
Расширение обучения с подкреплением на среды, где полное состояние не является непосредственно наблюдаемым агентом.
ИИ для Персонализированного Здравоохранения
Использование ИИ для адаптации медицинских методов лечения и диагностики к уникальным характеристикам каждого пациента.
Графовые Спатио-Временные Нейронные Сети
Расширение GNN для моделирования эволюционных динамик на графовых структурах с пространственными и временными компонентами.
Имитационное обучение с подкреплением
Комбинация имитационного обучения и обучения с подкреплением для улучшения политик путем обучения у экспертов с одновременным исследованием.
ИИ для количественных финансов
Применение ИИ в алгоритмической торговле, управлении портфелем и оценке сложных финансовых рисков.
Неконтролируемое обучение
Методы машинного обучения, в которых алгоритм обнаруживает скрытые структуры в данных без предопределенных меток.
Трансформеры и модели внимания
Революционная архитектура, основанная на механизмах внимания, позволяющая эффективно моделировать дальние зависимости в последовательностях.
Генеративно-состязательная сеть
Архитектура, состоящая из двух конкурирующих сетей для генерации реалистичных данных, используемая для синтеза изображений и создания контента.
Машинное обучение на потоковых данных
Парадигма обучения, адаптированная к непрерывно поступающим данным, требующая алгоритмов, способных адаптироваться в реальном времени.
Вариационные нейронные сети
Генеративная архитектура, использующая техники вариационного вывода для обучения вероятностным представлениям.
Остаточные нейронные сети
Архитектура, позволяющая обучать очень глубокие сети благодаря соединениям-ярлыкам, которые обходят несколько слоев.
Многозадачное обучение
Парадигма, при которой одна модель одновременно изучает несколько взаимосвязанных задач для извлечения взаимных преимуществ от переноса знаний.
Эпизодическое обучение с подкреплением
Фреймворк обучения с подкреплением, в котором взаимодействия структурированы в виде эпизодов с явными терминальными состояниями.
Обработка изображений и компьютерное зрение
Область ИИ, позволяющая компьютерам интерпретировать и понимать визуальное содержание изображений и видео для различных приложений.
Обучение без учителя и кластеризация
Методы машинного обучения, позволяющие обнаруживать скрытые структуры в данных без предварительно заданных меток.
Генеративный ИИ и диффузионные модели
Системы искусственного интеллекта, способные создавать новый контент (изображения, тексты, звуки) с использованием продвинутых диффузионных моделей.
Интерпретируемость и объяснимость моделей
Набор техник, позволяющих понимать и объяснять решения моделей ИИ для обеспечения их прозрачности и надежности.
Conversational AI and Conversational Agents
AI systems capable of conducting natural dialogues with humans for various tasks such as customer service or virtual assistance.
Continuous Learning and Lifelong Learning
Ability of AI systems to continuously learn from new data without forgetting previously acquired knowledge.
Обнаружение аномалий и Outlier Detection
Статистические и машинного обучения методы для идентификации необычных или аномальных наблюдений в наборах данных.
Мультиагентные системы и координация
Область ИИ, изучающая, как несколько интеллектуальных агентов могут сотрудничать или конкурировать для достижения общих или индивидуальных целей.
AutoML и Автоматизированное Машинное Обучение
Набор методов, позволяющих автоматизировать процесс разработки моделей машинного обучения от начала до конца.
Квантовый ИИ и квантовые вычисления
Пересечение квантовых вычислений и искусственного интеллекта, исследующее, как квантовые явления могут ускорять алгоритмы ИИ.
Оптимизация траекторий и планирование
Область ИИ, применяемая для поиска оптимальных путей в сложных пространствах для робототехники, логистики и навигации.
Импульсные нейронные сети
Биомимитическая архитектура нейронных сетей, которая обменивается информацией с помощью временных импульсов, обеспечивая превосходную энергетическую эффективность.
ИИ для энергетической оптимизации
Применение искусственного интеллекта для управления и оптимизации энергопотребления в сложных системах.
Касзуальное обучение и причинный вывод
Отрасль ИИ, направленная на понимание причинно-следственных связей между переменными, а не просто статистических корреляций.
ИИ для научных открытий
Применение искусственного интеллекта для ускорения научных исследований в таких областях, как химия, биология и физика.