Англо-русский толковый словарь по искусственному интеллекту и робототехнике - Эдуард Михайлович Пройдаков

decision support tools – средства поддержки принятия решений # см. также DSS.

declarative knowledge – декларативные знания # в ИИ – знания, выраженные в виде описаний, фактов, правил, теорем, утверждений об объектах, их свойствах и отношениях между ними, в отличие от императивных, или процедурных, знаний, связанных, например, с тем, как объект создать. По сути, декларативные знания – это фактические знания, факты из предметной области, которые обычно обрабатываются с предварительным переводом их в процедурные знания. Например, в математике декларативное знание даёт определение квадратного корня, но ничего не говорит о том, как найти значение квадратного корня из x. Синоним – “what is true” knowledge (см. также AI, imperative knowledge, knowledge).

declination (DEC) – 1. уклон, наклон, отклонение (от вертикального или горизонтального положения) # синонимы – leaning, slope, inclination (см. также pose, robotics);

2. (также magnetic declination) – магнитное склонение;

3. спад; падение; снижение; уменьшение # см. также reduction.

decoder – декодер # устройство или программа, преобразующие кодированные данные в их первоначальную форму.

decouple – 1. развязывать;

2. уменьшать связь.

decoupler – развязывающее устройство, развязка.

dedicated electronics – специальная (специализированная) электроника.

dedicated research (также dedicated research and development, dedicated R&D) – специальное (целевое, целенаправленное) исследование; целевая научно-исследовательская работа, целевая (целевые) НИОКР # инновационные продукты и решения, преимущественно обусловливающие развитие (рост) бизнеса, являются обычно результатом больших вложений в НИОКР; однако ввиду растущей сложности и стоимости этих работ, а также быстро меняющихся рыночных требований существенно изменился и подход многих крупных высокотехнологических компаний к созданию новых продуктов. Для повышения эффективности и экономичности бизнеса сейчас такие компании всё чаще идут по пути аутсорсинга (outsourcing) и/или офшоринга (off-shoring) – они размещают свои подразделения и/или заказы на выполнение конкретных работ в странах с более выгодными экономическими условиями ведения бизнеса.

deduction – 1. дедукция # (от лат. deductio – выведение) логическое умозаключение, переход от общих положений, законов, принципов, постулатов, аксиом и т. п. к частному, конкретному выводу; один из базовых методов процесса познания. Синонимы – direct proof, top-down reasoning;

2. вывод, заключение # синоним – deducing;

3. вычитаемое # синоним – subtrahend.

deductive database – дедуктивная база данных # в экспертных системах – БД, содержащая правила для построения дедуктивных выводов (выводов от общего к частному) (см. также expert system).

deductive proof – дедуктивное доказательство, доказательство методом дедукции # см. также deductive reasoning, proof method.

deductive reasoning – дедуктивные рассуждения, дедуктивный вывод # метод, используемый, например, в языке Prolog для нахождения решения по заданным фактам и правилам (см. также commonsense reasoning, deductive database).

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);

3. глубокое изучение [того или иного специального научного предмета, раздела науки] # см. также learning.

deep learning algorithm – алгоритм глубокого (глубинного) обучения – см. deep learning.

deep learning model – модель глубокого обучения # ИНС, прошедшая глубокое обучение. Модели глубокого обучения способны обнаруживать сложные отношения, существующие между входами и выходами ИНС (см. также deep learning).

deep-learning platform – платформа для глубокого обучения ИНС # совокупность программных и аппаратных средств для глубокого обучения искусственных нейронных сетей, ИНС (см. также deep learning).

deep learning solution – решение для глубокого обучения ИНС # см. также deep learning.

deep neural network (DNN) – глубокая нейронная сеть, глубинная нейронная сеть, ГНС, многослойная ИНС # ИНС, содержащая между входным и выходным слоями несколько