From a51e0cd13bfd032c7572e7504a70f6584f2844a8 Mon Sep 17 00:00:00 2001 From: Linas Date: Sat, 7 Jan 2023 12:44:42 +0200 Subject: [PATCH] =?UTF-8?q?Pradinis=20perk=C4=97limas?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- README.md | 270 +++++++++++++++++++++++++++++++++++++++++++++++++++++- 1 file changed, 269 insertions(+), 1 deletion(-) diff --git a/README.md b/README.md index aa2783b..e4894a9 100644 --- a/README.md +++ b/README.md @@ -1,2 +1,270 @@ -# ML-AI-2-LT Mašininio ir giliojo mokymo sąvokų žodynas + +Jei turima neaiški sąvoka, kviečiu užpildyti Issue, +jei turite pasiūlymų/pildymų kviečiu pateikti PR. +Arba kreiptis el.paštu: linas.petkevicius@mif.vu.lt + +| **Sąvoka** | **Vertimas** | **Pastabos/paaiškinamas** | +|------------------------------------------------------------|-------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| +| Adaptive Instance Normalization (AdaIN) | Adaptyvi tiesioginė normalizacija | | +| Advantage | Pranašumas | | +| Advantage Actor Critic model | Sudėtingas aktoriaus-kritiko modelis | | +| Accuracy | Tikslumas | | +| 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 | | +| Affine transform | Afininė transformacija | | +| Anchors | Atraminiai stačiakampiai | | +| Artificial Intelligence | Dirbtinis intelektas | | +| Attention mechanizm | Dėmesio sutelkimo mechanizmas | | +| Average pooling layer | Sutelkimo vidurkinant sluoksnis | | +| Average precision | Vidutinis preciziškumas | | +| Batch | Duomenų rinkinys | | +| Batch normalization | Rinkinio normalizacija | | +| Backpropagation algorithm | Atgalinio sklidimo algoritmas | | +| Backpropagation through time (BPTT) | Atgalinis sklidimas laike | | +| Bilinear sampling | Dvitiesinis atsitiktinis atrinkimas | | +| Bidirectional long short-term memory | Dvikryptis ilgos trumpalaikės atminties modelis | | +| Body joints | Kūno sanariai | | +| Bounding box | Stačiakampis | | +| Bias | Laisvasis narys | Jei bias kaip sąvybė - tai paslinktas, jei kaip kintamasis laisvasis narys. | +| Binary classification | Dviejų klasių klasifikavimas | | +| Capsule neural network | Kapsulinis neuroninis tinklas | | +| Cascade Classifier | Pakopinis klasifikatorius | | +| Causal inference | Priežastingumo analizavimas | Tai procesas nustatyti priežastingumo ryšius. Nemaišyti su koreliacija, jei dydžiai koreliuoti, nebūtinai jie įtakoja vienas kitą. | +| Cyclic consistency | Cikliškai pastovus | | +| Computer vision | Kompiuterinės regos | | +| Confidence map | Pasikliovimo žemėlapis | | +| Confusion matrix | Klasifikavimo lentelė | | +| Content image | Turinio paveikslas | | +| Convolutional neural networks | Konvoliuciniai neuroniniai tinklai | | +| Convolutional operation | Konvoliucijos operacija | Nors turime sąsūkos operacijas, konvoliucijos operacijos sąvoka turėtų būti neatsiejama nuo konteksto | +| Continual learning | Tęstinis mokymasis | Continual learning (CL) are designed to accumulate and improve knowledge in a curriculum of learning-experiences without forgetting. Tęstinis mokymas, yra koncepcija rinkti ir tobulinti modelio žinias, neužmirštant senų užduočių. Pavyzdžiui apmokitnas vaizdų klasifikatorius gebėti atskirti 1000 vaizdų klasių, adaptuotas kitai užduočiai išmokti atpažinti mažiau klasių "užmiršta" pradinę užduotį ir nėra tęstinio mokymo pavyzdys. | +| Cost function | Nuostolių funkcija | | +| Clipped Surrogate function | Apkarpyta surogatinė funkcija | | +| Cross-entropy | Kryžminė entropija | | +| Data augmentation | Duomenų augmentacijos | | +| Dilated convolution | Praretintos konvoliucijos operacija | | +| Directed | Orentuotas | | +| 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 aktivacija sprendžia gradientų sprogimo problemą, nes funkcijos išvestinė lygi vienetui jei x > 0. Tačiau, gradientų nykimo problema analogišku atveju ir vadinama taip. | +| Decision boundary | Skiriamoji sritis | | +| Deep fake | Vaizdinė klastotė | | +| Deep learning | Gilusis mokymasis | | +| Depth | Gylis | | +| Depth map | Gylio žemėlapis | 3D kameros, fiksuojančios ne tik RGB spalvos kanalus, bet ir atstumą iki objekto ir išduoda gylio žemėlapį. | +| Dropout | Atsitiktinio praretinimo transformacija | | +| Dot product | Skaliarinė sandauga | | +| Edge maps | Kraštų žemėlapis | We found edge image. Paskaičiavome surastų kraštų vaizde paveikslėlį. | +| Embeddings | Įterpiniai | | +| Eigen vector | Tikrinis vektorius | | +| Eigen value | Tikrinė reikšmė | | +| Eigenspace | Tikrinių vektorių erdvė | | +| Egocentric action recognition | Egocentrių veiksmų atpažinimas | | +| Embeddings space | Įterpinių reprezentacijų erdvė | | +| Epoch | Epizodas | | +| Epsilon-greedy algorithm | Epsilion godus algoritmas | | +| Error | Paklaida | | +| Estimate | Įvertis | Įvertinio nežinomo parametro reikšmė, gauta kaip įvertinimo rezultatas. | +| Estimator | Įvertinys | Statistika (funkcija) parametrams ivertinti. | +| Expectation-maximization (EM) | Vidurkio maksimizavimo metodas | | +| Expectation-maximization for segmentation | Vidurkio maksimizavimo metodas segmentavimui | | +| Exponential linear unit (ELU) | Eksponentinis tiesinis vienetas | \[ELU_a(x) = \begin{cases} 1, & x > 0\\ a \cdot (\exp(x) - 1), & x \leq 0 \end{cases},\quad \], čia a yra konstanta. | +| Exposure | Atvirumas | | +| Exploration algorithms | Tyrinėjantis algoritmas | | +| Exploding gradient problem | Sprogstančių gradientų problema | Vertinant nežinomus parametrus gradientiniais metodais, kai turime sudėtingą modelį taikome diferenciavimo taisyklę \[ \begin{eqnarray*} \frac{\partial \mathcal{L}}{\partial heta_{k}^1} = \frac{\partial \mathcal{L}}{\partial \theta_{z}^L} \frac{\partial \theta_{z}^L}{\partial \theta_{z}^{L-1}} \cdot \cdot \cdot \frac{\partial \theta_{z}^{1}}{\partial \theta_{k}^1} \end{eqnarray*}\], tačiau jei narių skaičius didelis, ir apskaičiuotos dalinių išvestinių reikšmės didelės, galutinė reikšmė greitai sprogsta. Tai ir vadinama sprogstančių gradientų problema. | +| Exploitation algorithms | Eksplotuojantis algoritmas | Alternatyva: dabartinėmis žiniomis besiriamentis algoritmas. Pavyzdys: While in explotaition we pay reward on identity new actions, +the explotation concentrates on making efficient decition now. +Jei tyrinėjantis algoritmas suteikia atlygį naujiems (prieštai nebandytiems) sprendimams (veiksmams), tai dabartinėmis žiniomis besiriamentis algoritmas maksimizuoja trumpalaikį atlygį iš dabartinės situacijos.| +| Federated machine learning | Federuotas mašininis mokymas | | +| F1 measure | F1 statistika | | +| Identity | Tapatybė | | +| 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 | | +| Image similarity metrics | Vaizdų panašumo metrikos | | +| Input | Įeitis | | +| Input gate | Atidarymo sklendė | | +| Instant segmentation | Tiesioginė segmentacija | | +| Internal state | Vidinė būsena | | +| Intersection over union (IOU) | Susikirtimas padalintas iš sąjungos | | +| Inter-class similarity and intra-class variability problem | Išsibasrtymo klasių viduje ir tarp klasių problema. | | +| Inter-frame attention encoder | Autoenkoderis su dėmesio sutelkimo mechanizmu paveikslėlyje | | +| Iteration | Iteracija | | +| Iterative reconstruction algorithm | Iteratyvus rekonstrukcijos algoritmas | | +| F_1 score | F_1 statistikos reikšmė | | +| Fine-tune | Adaptuoti | Alternatyva: pritaikyti | +| Features | Požymiai | | +| Feature pyramid networks | Piramidinis požymių tinklas | | +| Feature map | Požymių žemėlapiai | | +| Flatten layer | Ištiesinimo sluoksnis | | +| Forward pass | Tiesionis skaičiavimas | Alternatyva:Sklidimas į priekį | +| Feedfoward | Tiesioginio sklidimo | | +| Frechet inception distance | Frečeto pradžios atstumas | | +| Forgot gate | Užmiršimo sklendė | | +| Focal loss | Židinio tikslo funkcija | | +| Fully connected layer | Pilnai sujungtų sąryšių sluoksnis | | +| Fully Convolutional Network | Pilnai konvoliucinis tinklas | | +| Generalization | Generalizacija | Mokinant sudėtingus modelius turime dalį visų galimos aibės pavyzdžių. Visgi jei modelis generalizuojasi, jis gali pakankamai gerai įvertinti visus tarpinius atvejus. | +| Generative Adversarial Networks (GAN) | Generatyviniai adversariniai tinklai | Alternatyva: 1) Generatyviniai priešiški tinklai 2) Generatyviniai konkuruojantys tinklai | +| Graph sparsification | Grafo išretinimas | | +| Gradient Descent | Gradientinis nusileidimas | | +| Gray Level Co-occurrence Matrix (GLCM) | Juodai baltų spalvos lygių atsikartojimų matrica | | +| Gated recurrent unit (GRU) model | Sklendžių rekurentinių vienetų modelis | | +| 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 | | +| 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 | | +| 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. | +| 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 | | +| Loss computation | Nuostolių apskaičiavimas | | +| Layers | Sluoksnis | | +| Leakage | Duomenų nutekėjimas | Tai procesas, kai modelis testuojamas ne ant visiškai nematytų realistiškų duomenų (kas atitinka realius bandymus), bet ant tokių duomenų, kurių dalys pasitaikė ir vertinant modelio parametrus. Pavyzdys: pacientams daromos kelios tyrimų nuotraukos; eksperimento metu atsitiktinai atrenkamas testavimo duomenų rinkinys; Testavimas turi duomenų nutekėjimą, ir toks eksperimentas yra nevalidus; Nepriklausomas testavimo rinkinys reikalautų, jog nė vienas paciento stebėjimas esantis testavimo rinkinyje, nebūtų naudojamas vertinant modelio parametrus (apmokymo metu). | +| Long short-term memory (LSTM) | Ilgos trumpalaikės atminties modelis | | +| Machine learning | Mašininis mokymas | | +| Markov decision process | Markovo sprendimo priėmimo procesai | | +| Mask | Užmaskavimas | | +| Masked depth maps | Užmaskuotas gylio žemėlapis | | +| Max pooling layer | Sutelkimo imant maksimalią reikšmę sluoksnis | | +| Mean squared error (MSE) | Vidutinė kvadratinė paklaida | | +| Mel-frequency transformation | Mel transformacija | | +| Memory cell | Atminties lastelė | | +| Min-max normalization method | Min-maks. normalizacija | | +| Momentum | Inercija | | +| Motion | Judėjimas | | +| Mutual-attentional fusion block | Bendro dėmesio sutelkimo apjungimo blokas | | +| Multiclass classification | Daugelio klasių klasifikavimas | | +| Multilabel classification | Daugelio žymenų klasifikavimas | | +| Multilayer perceptron | Daugiasluoksnį perceptroną | | +| Multitask learning | Daugiatikslis mokymas | | +| Natural language processing (NLP) | Skaitmeninis natūraliosios kalbos apdorojimas | | +| Nearest neighbour upsampling | Išplėtimas taikant artimiausio kaimyno metodą | | +| Neurons | Neuronas | | +| Neural Style Transfer | Neuroniniais tinklais paremtas vaizdų stiliaus perkėlimas | | +| Noise-contrastive estimation | Kontrastinis triukšmo vertinimas | | +| Non-Stationary | nestacionarus | Non-stationary process is such when unconditional joint probability distribution does change when shifted in time. Procesas nestacionarus, jei bendras skirstinys kinta laike. | +| Non-linear model | Netiesinis modelis | | +| Non-maximum suppression algorithm | Ne maksimalaus apjungimo algoritmas | | +| Object detection | Objektų aptikimas | | +| Objective function | Tikslo funkcija | | +| Observation | Stebėjimai | | +| Occlusion | Uždengimas | Object was not visible due occlusion. Objektas buvo nematomas dėl uždengimo. | +| Open data | Atviri duomenys | | +| Open-source | Atviro kodo | | +| Output | Išvestis | | +| Output gate | Išvesties sklendė | | +| Over-fitting | Persimokymas | | +| Probably approximately correct (PAC) learning | Apytikslis mokymasis pagal tikimybę | In PAC learning the learner receives samples and must select a generalization function (called the hypothesis) from a certain class of possible functions. Apytikslis mokymasis pagal tikimybę gautai duomenų imčiai turi parinkti geriausiai begeneralizuojančią funkciją iš tam tikros funkcijų klasės.| +| Pattern | Šablonas | | +| Part affinity fields (PAR) | Sričių afininiai laukai | | +| Parametric ReLU | Parametrizuotas dalimis tiesinis vienetas | \[ParametricReLU_a(x) = \begin{cases} 1, & x > 0\\ -a x, & x \leq 0 \end{cases},\quad \], čia a yra vertinamas parametras. | +| Pattern | Šablonas | | +| Peak signal to noise ratio | Maksimalaus signalo ir triukšmo santykis | | +| Pixel intensity | Pikselio intensyvumas | | +| Perceptual | Suvokimas | | +| Perceptual path | Suvokimo srities | | +| Perceptual path Length | Suvokimo srities vertės | | +| Policy | Strategija | | +| Phase artifacts | Poziciniai artefaktai | | +| Policy gradient | Strategijos gradientas | | +| Pooling transformation | Sutelkimo transformacija | | +| Pooling layer | Sutelkimo sluoksnis | | +| Privacy-Preserving algorithms | Privatumą išsaugantys algoritmai | | +| Precision | Preciziškumas | | +| Prediction | Prognozė | | +| Probability map | Tikimybių žemėlapis | | +| Proximal Policy Optimization | Stategijos artutinis optimizavimas | | +| Online learning | Nuolatinis mokymasis | | +| One-hot variables | Fiktyvūs kintamieji | One-hot encoding, tai procesas užkoduoti kategorijas priskiriant atitinkamai kategorijai vienetuką, o kitoms nulį. Statistikoje, tai suprantama, kaip fiktyvių kintamųjų sukurimas. | +| Optical flow | Optinis srautas | | +| Overfitting | Persimokymas | Tai procesas, kai įvertinami paslinkti modelio parametrai, dėl jų vertinimo tik ant dalies duomenų. Tokiu atveju praktikoje pasikeistus duomenų pasiskirstymui, modelis netinkamas. | +| Real-time | Realaus laiko/realiu laiku | | +| Relative position normalization | Realiatyvios pozicijos normalizavimas | | +| Recall | Atkūrimo statistika | Alternatyva jautrumas. Skaičiuojama taip pat kaip jautrumo statistika. | +| Rectified Linear Unit (ReLu) | Dalimis tiesinis vienetas | \[relu(x) = max(0, x)\]| +| Recurrent neural networks (RNN) | Rekurentiniai neuroniniai tinklai | | +| Reinforcement learning | Skatinamasis mokymas | | +| Region proposal network | Sričių pasiūlymo tinklas | | +| Regions of interest (ROI) | Dominančios sritys | | +| Restricted Boltzmann machines | Bolcmano mašina su apribojimais | | +| Reset gate | Atstatymo sklendė | | +| Relation | Saveikos | | +| Residual Network (ResNet) | Liekanų neuroninis tinklas | žr. Deep Residual Learning for Image Recognition| +| Reward | Atlygis | | +| 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 | | +| Segmentation | Segmentavimas | | +| Segmentation color-based | Segmentacija grįsta spalvų lyginimu | | +| Segmentation region-based | Segmentacija grįsta kraštų radimu | | +| Sensitivity | Jautrumas | | +| Sequential data | Nuoseklūs duomenys | | +| Shift invariance | Postūmiui invariantiškas | | +| Shape | Forma | | +| Shape mask | Formos užmaskavimas | | +| Shape model | Formos modelis | | +| self-attention pooling | Sutelkimas taikant dėmesio sutelkimo mechanizmą | | +| Self-occlusion | Uždengimas savimi | Left ear was not visible due turned face. Kairės ausies nebuvo galima matyti dėl pasukto veido. | +| Self-supervised progressive ranking loss | Adaptyvi rankingo nuostolių funkcija | | +| Salient points | Svarbiausi taškai | | +| Sigmoid | Sigmoidas | \[\sigma(x) = \frac{1}{1 + e^{-x}} \], | +| Skip connections | Praleidimo jungtys | | +| Skeleton-based system | Kūno pozos taškais grįsta sistema | | +| Skeleton edge motion | Kūno pozos taškų judėjimas | | +| Sliding windows | Slenkančio lango | | +| Spatial-temporal data | Erdvę ir laikinę informaciją turintys duomenys | | +| Spatial branch | Erdvis duomenų pjūvis | | +| Style image | Stiliaus vaizdas | | +| Spacial Transformer network | Erdvinės transformacinis tinklas | | +| Space time interest points | Informatyvūs taškai laike ir erdvėje | | +| Sparse activation functions | Praretinta aktivacijos funkcija | | +| Squeeze and recursion temporal gates (SRTG) | Rekursyvi suspaudimo sklendė | | +| Soft nearest neighbor | Apytikslūs artimiausi kaimynai | Jei artimiausių kaimynų metodas, randa tikslius artimiausius kaimynus. Tai šis metodas yra diferencijuojamas, įgalinantis greitai ieškoti apytikliai artimų kaimynų. | +| Softmax | Eksponentinis normalizavimas / Softmax funkcija | | +| Stationary | Stacionarus | | +| State | Būsena | | +| State-value function for policy π | Strategijos π būsenos vertės funkcija | | +| Stride | Žingsnis | | +| Structural similarity index | Struktūrinis panašumas | | +| Sub-level structural similarity index | Struktūrinis subintensivumų panašumas | | +| Sum pooling layer | Telkimo sumuojant sluoksnis | | +| Supervised learning | Prižiūrimas mokymas | | +| Swish activation function | Švituojanti aktivacijos funkcija | \[\sigma(x) = \frac{x}{1 + e^{-x}} = x \sigma(x)\] žr. Pasvertas sigmoidinis tiesinis vienetas | +| Threshold | Slenkstinė vertė | | +| Template | Šablonas | | +| Temporal Difference algorithm | Laikinųjų-skirtumų algoritmas | | +| Temporal branch | Laikinių duomenų pjūvis | | +| Temporally consistent | Laikiškai pastovus | | +| Temporal gates | Laikinė sklendė | | +| Test data | Testavimo duomenys | | +| Transformer | Transformerių neuroninis tinklas | | +| Trade-off | Kompromiso riba | "The bias–variance tradeoff is the property of a model that the variance of the parameter estimates across samples can be reduced by increasing the bias in the estimated parameters" - Kompromiso riba tarp paslinktų ir didelį išsibarstymą turinčių įvertinių tai modelio sąvybė laviruoti tarp neužtikrintų (didelį išsibarstymą/riziką) turinčių nepaslinktų ir paslinktų įvertinių su mažu išsibanstymu. | +| Training data | Apmokymo duomenys | | +| Transformation network | Transformacinis tinklas | | +| Trial-and-error search | Paieška bandymų-klaidų būdu | | +| Unpooling | Atspaudimas | | +| Validation data | Validavimo duomenys | | +| Vanishing gradient problem | Nykstančių gradientų problema | Vertinant nežinomus parametrus gradientiniais metodais, kai turime sudėtingą modelį taikome diferenciavimo taisyklę \[ \begin{eqnarray*} \frac{\partial \mathcal{L}}{\partial \theta_{k}^1} = \frac{\partial \mathcal{L}}{\partial \theta_{z}^L} \frac{\partial \theta_{z}^L}{\partial \theta_{z}^{L-1}} \cdot \cdot \cdot \frac{\partial \theta_{z}^{1}}{\partial \theta_{k}^1} \end{eqnarray*}\], tačiau jei narių skaičius didelis, ir apskaičiuotos dalinių išvestinių reikšmės mažos, galutinė reikšmė greitai nyksta. Tai ir vadinama nykstančių gradientų problema. | +| Value function | Vertės funkcija | | +| Variational Auto-Encoder | Variacinis auto-enkoderis | | +| Undirected | Neorentuotas | | +| Unsupervised learning | Neprižiūrimas mokymas | | +| Upsampled | Išplėtimas | | +| View layer | Ištiesinimo sluoksnis | | +| Weights | Parametrai | | +| Weighted entropy-variance method | Pasvertas entropijos-dispersijos metodas | | +| Weight matrix | Parametrų matrica | | +| Weight update | Parametrų atnaujinimas | | +| Zoneout | Atsitiktinio išlaikymo transformacija | žr. Atsitiktinio išlaikymo transformacija | +| Zero padding | Papildymas nuliais | |