From 9400a34a74490b76c47df58f924be6818b7cddc0 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Linas=20Petkevic=CC=8Cius?= Date: Sat, 3 Feb 2024 13:30:59 +0200 Subject: [PATCH] ADD: definitions addition --- README.md | 47 ++++++++++++++++++++++++++++++++++++++++++++++- 1 file changed, 46 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index 18f7066..29ae51a 100644 --- a/README.md +++ b/README.md @@ -6,6 +6,7 @@ Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt | **Sąvoka** | **Vertimas** | **Pastabos/paaiškinamas** | |------------------------------------------------------------|-------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| +| Action | Veiksmas | | | Adaptive Instance Normalization (AdaIN) | Adaptyvi tiesioginė normalizacija | | | Advantage | Pranašumas | | | Advantage Actor Critic model | Sudėtingas aktoriaus-kritiko modelis | | @@ -13,6 +14,29 @@ Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt | Activation function | Aktyvacijos funkcija | | | Activation map | Aktyvacijų žemėlapis | Atliekant konvoliucijos operacijas, suskaičiuotos reikšmės vadinamos aktivacijų žemėlapiais. | | Action-value function for policy π | Strategijos π veiksmo reikšmių funkcija | | +| AI agent | DI agentas | | +| AI bias and fairness | DI šališkumas ir teisingumas | | +| AI component | DI komponentas | | +| AI developer | DI kūrėjas | | +| AI ecosystem | DI ekosistema | | +| AI evaluator | DI vertintojas | | +| AI explainability | DI paaiškinamumas | | +| AI function | DI paskirtis | | +| AI platform provider | DI platformos teikėjas | | +| AI predictability | DI prognozuojamumas | | +| AI provider | DI teikėjas | | +| AI reliability | DI patikimumas | | +| AI resilience | DI atsparumas | | +| AI robustness | DI robastiškumas | | +| AI stakeholder roles | DI suiteresuotųjų šalių vaidmenys | | +| AI subject | DI subjektas | | +| AI system integrator | DI sistemos integruotojas | | +| AI system life cycle | DI sistemos gyvavimo ciklas | | +| AI system life cycle model | DI sistemos gyvavimo ciklo modelis | | +| AI system life cycle stages and processes | DI sistemos gyvavimo ciklo būsenos ir procesai | | +| AI transparency | DI skaidrumas | | +| AI users | DI naudotojai | | +| AI verification and validation | DI verifikavimas ir validavimas | | | Affine transform | Afininė transformacija | | | Anchors | Atraminiai stačiakampiai | | | Artificial Intelligence | Dirbtinis intelektas | | @@ -24,6 +48,7 @@ Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt | Batch normalization | Rinkinio normalizacija | | | Backpropagation algorithm | Atgalinio sklidimo algoritmas | | | Backpropagation through time (BPTT) | Atgalinis sklidimas laike | | +| bias | šališkumas | | | Bilinear sampling | Dvitiesinis atsitiktinis atrinkimas | | | Bidirectional long short-term memory | Dvikryptis ilgos trumpalaikės atminties modelis | | | Body joints | Kūno sanariai | | @@ -38,6 +63,7 @@ Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt | Computer vision | Kompiuterinės regos | | | Confidence map | Pasikliovimo žemėlapis | | | Confusion matrix | Klasifikavimo lentelė | | +| Continuous learning | Nuolatinis mokymasis | | | Content image | Turinio paveikslas | | | Convolutional layer | Konvoliucinis sluoksnis | Konvoliucinis sluoksnis, tai konvoliucijomis grįstų transformacijų taikymas duotai įvesčiai. Sluoksnio branduoliai dažniausiai laikomi, kaip nežinomi modelio parametrai, kurie įvertinami iš duomenų.| | Convolutional neural networks | Konvoliuciniai neuroniniai tinklai | | @@ -46,13 +72,18 @@ Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt | Cost function | Kaštų funkcija | Nuostolių/kaštų funkcijos - vartojamos, kaip sinonimai priklausomai nuo konteksto. | | Clipped Surrogate function | Apkarpyta surogatinė funkcija | | | Cross-entropy | Kryžminė entropija | | +| data acquisition | duomenų rinkimas | | +| data annotation | duomenų anotavimas | | +| data labelling | duomenų žymėjimas | | | Data augmentation | Duomenų augmentacijos | | +| dataset | duomenų rinkinys | | | Dilated convolution | Praretintos konvoliucijos operacija | | | Directed | Orientuotas | | | Discounted future reward | Diskontuotas ateities atlygis | Alternatyva: geometriškai pasvertas ateities atlygis | | Dynamic routing | Dinaminis maršrutizavimas | | | Dynamic time warping models | Dinaminis laiko atstatymo modelis | | | Dead ReLU problem | Dingusio dalimis tiesinio vieneto gradiento problema | ReLu aktyvacija sprendžia gradientų sprogimo problemą, nes funkcijos išvestinė lygi vienetui jei x > 0. Tačiau, gradientų nykimo problema analogišku atveju ir vadinama taip. | +| Decision | Sprendimas | | | Decision boundary | Skiriamoji sritis | | | Deep fake | Vaizdinė klastotė | | | Deep learning | Gilusis mokymasis | | @@ -85,6 +116,7 @@ Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) | F1 measure | F1 statistika | | |Few-shot learning | Modelio adaptavimas naujai užduočiai iš kelių pavyzdžių || | Identity | Tapatybė | | +| Fraud detection | Sukčiavimo aptikimas | | | Inference | Išvadų darymas | Pavydžiui statistical inference - tai procesas priimti išvadas apie duomenis atsižvelgiant į statistines duomenų sąvybes | | Image Enhancement | Vaizdo patobulinimas | | | Image quality assessment | Vaizdų kokybės vertinimas | | @@ -120,12 +152,15 @@ Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) | Gaussian error linear unit (GELU) | Gausinis tiesinis vienetas | $$GELU(x) = x \Phi(x)$$ čia $$ \Phi(x) $$ normalaus a.d. pasiskirstymo f-ja. | | Gate | Sklendė | Rekurentiniuose neuroniniuose tinkluose signalio kelias yra įgalinamas arba išjungiamas praveriant arba uždarant sklendę. | | Hidden layers | Paslėpti sluoksniai | | +| ground truth | etalonas | | | Histogram of oriented gradients (HOG) | Kryptinių gradientų histograma | | | Hyperparameter | Hiperparametrai | Parametrais, laikome tokius kintamuosius, kurie laikomi nežinomais, ir yra vertinami iš duomenų. Hiperparametrais laikome tokius kintamuosius, kurie nusako modelio konfigūraciją ir yra fiksuoti ir parinkti. Pavyzdžiui mokymo žingsnis. | | Kernel | Filtro branduolys | Kernel mašininio mokymo kontekste verčiamas, kaip branduolys. Konvoliucinių tinklų kontekste - filtro branduolys. | -| Label | Žymuo | | +| KDD (knowledge discovery in data) | žinių atradimas duomenyse | | +| Label | žymė | | | Learning rate | Mokymo žingsnis | | | Leaky ReLU | Pralaidus dalimis tiesinis vienetas | $$Leaky ReLU(x) = \begin{cases} 1, & x > 0\\ -a x, & x \leq 0 \end{cases},\quad $$, čia a yra konstanta. | +| life cycle | gyvavimo ciklas | | | L2 norm pooling | Sutelkimo imant L2 normą sluoksnis | | | Local receptive fields | Lokali matymo sritis | Taikant konvoliucinius neuroninius tinklus įeities matricai taikome konvoliucijos operaciją. Sritis, kurią apima duotas branduolys, ir yra ta lokali matymo sritis. | | Loss | Nuostoliai | | @@ -151,6 +186,11 @@ Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) | Multilabel classification | Daugelio žymenų klasifikavimas | | | Multilayer perceptron | Daugiasluoksnį perceptroną | | | Multitask learning | Daugiatikslis mokymas | | +| named entity recognition +NER | įvardytų esybių atpažinimas | | +| narrow AI | siaurasis DI | | +| optical character recognition +OCR | optinis simbolių atpažinimas | | | Natural language processing (NLP) | Skaitmeninis natūraliosios kalbos apdorojimas | | | Nearest neighbour upsampling | Išplėtimas taikant artimiausio kaimyno metodą | | | Neurons | Neuronas | | @@ -208,12 +248,16 @@ Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) | Relation | Saveikos | | | Residual Network (ResNet) | Liekanų neuroninis tinklas | žr. Deep Residual Learning for Image Recognition| | Reward | Atlygis | | +| risk | rizika | | +| robustness | robastiškumas | | | Saturates | Spalvų sodrumas | | | Shared weights | Bendri parametrai | Pavyzdžiui Siamo neuroniniai tinklai naudoja bendrus sluoksnius skritinguose, modeliuose. | | Score | Statistikos vertė | | | Scaled exponential linear unit (SeLu) | - | $$selu(x) = \lambda \begin{cases} 1, & x > 0\\ \alpha e^{x}, & x \leq 0 \end{cases},\quad \lambda=1.0507,\alpha=1.6733. $$ | | Sigmoid-weighted linear unit (SiLU) | Pasvertas sigmoidinis tiesinis vienetas | $$\sigma(x) = \frac{x}{1 + e^{-x}} = x \sigma(x)$$. žr. Švituojanti aktivacijos funkcija | | Semantic segmentation | Semantinis segmentavimas | | +| semantic computing | semantinė kompiuterija | | +| semi-supervised machine learning | pusiau prižiūrimas mašininis mokymasis | | | Segmentation | Segmentavimas | | | Segmentation color-based | Segmentacija grįsta spalvų lyginimu | | | Segmentation region-based | Segmentacija grįsta kraštų radimu | | @@ -246,6 +290,7 @@ Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) | State-value function for policy π | Strategijos π būsenos vertės funkcija | | | Stride | Žingsnis | | | Structural similarity index | Struktūrinis panašumas | | +| symbolic AI | simbolinis DI | | | Sub-level structural similarity index | Struktūrinis subintensivumų panašumas | | |Subword tokenization | Teksto skaidymas į teksto vienetus procesas teksto vienetams priskiriant unikalias teksto dalis.|| | Sum pooling layer | Telkimo sumuojant sluoksnis | |