Проект ГОСТ Р Информационные технологии. Искусственный интеллект. Понятия и терминология

     2.3 Термины, относящиеся к нейронным сетям

2.3.1 сверточные нейронные сети, глубокие сверточные нейронные сети (convolutional neural networks, deep convolutional neural networks): Нейронные сети прямого распространения (2.3.4), которые используют свертку (2.3.4) по крайней мере в одном из слоев.

2.3.2 свертка (convolution): Математическая операция, реализующая скользящее скалярное произведение или кросс-корреляцию входных данных.

2.3.3 нейронная сеть прямого распространения (feed forward neural network): Нейронная сеть (2.3.4), в которой информация передается только в одном направлении от входного слоя к выходному слою.

2.3.4 нейронная сеть, искусственная нейронная сеть (neural network, neural net, artificial neural network): Сеть из двух или более слоев нейронов (2.3.5), соединенных взвешенными связями с регулируемыми весами, которая принимает входные данные и производит выходные.

Примечания

1 В то время как некоторые нейронные сети предназначены для моделирования процессов функционирования нейронов нервной системы, большинство нейронных сетей используются в искусственном интеллекте как реализации коннекционистской модели.

2 Выход нейронной сети часто называют предсказанием.

2.3.5 нейрон (neuron): Элементарный элемент обработки, который принимает одно или несколько входных значений и производит выходное значение с использованием функции активации от входных значений.

Примечание - Примерами нелинейных функций являются пороговая функция, сигмоидная функция и полиномиальная функция.

2.3.6 рекуррентная нейронная сеть (recurrent neural network): Нейронная сеть (2.3.4), в которой выходы предыдущего слоя и предыдущего шага обработки подаются на вход текущему слою.