pablozz / ml-ai-2-lt

Mašininio ir giliojo mokymosi sąvokų žodynėlis

Mašininio ir giliojo mokymosi sąvokų žodynas

Jei turima neaiški sąvoka, kviečiu užpildyti Issue, jei turite pasiūlymų/pildymų kviečiu pateikti PR. Arba kreiptis el.paštu: [email protected]

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 mechanism	Dėmesio sutelkimo transformacija/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.
Character-based tokenization	Teksto skaidymas į teksto vienetus procesas teksto vienetams priskiriant unikalius teksto simbolius.
Cyclic consistency	Cikliškai pastovus
Computer vision	Kompiuterinės regos
Confidence map	Pasikliovimo žemėlapis
Confusion matrix	Klasifikavimo lentelė
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
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	Kaštų funkcija	Nuostolių/kaštų funkcijos - vartojamos, kaip sinonimai priklausomai nuo konteksto.
Clipped Surrogate function	Apkarpyta surogatinė funkcija
Cross-entropy	Kryžminė entropija
Data augmentation	Duomenų augmentacijos
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 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
Few-shot learning	Modelio adaptavimas naujai užduočiai iš kelių pavyzdžių
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	Įvestis
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	Požymių žemėlapiai tai tarpiniai skaičiavimai (paslėptų sluoksnių reikšmės), kurias tyrimuose dažnai naudoja kaip žemo/aukšto lygio požymius, t.y. kurie gerai užkoduoja nagrinėjamus duomenis.
Flatten layer	Ištiesinimo sluoksnis
Forward pass	Tiesionis skaičiavimas	Alternatyva:Sklidimas į priekį
Feedforward	Tiesioginio sklidimo
Frechet inception distance	Frešė atstumas vaizdams	Galima vartoti ir Fréchet atstumas vaizdams. Frešė atstumas yra metrika tarp dviejų skirstinių, o Frešė atstumas vaizdams - apibendrinimas taikyti vaizdams.
Forgot gate	Užmiršimo sklendė
Focal loss	Židinio nuostolių 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
Loss function	Nuostolių funkcija	Tiklo funkcija (objective function) - apibrėžtas sprendžiamas uždavinys. Praktikoje gali būti įvairus, pavyzdžiui maksimizuoti tikimybinį pasiskirtymą (P1) ar daugelių tikslų uždavinį (P2). Tam praktikoje konstruojame nuostolių funkciją (loss function) - praktikoje dažnai minimizuojamą funkciją, kurią optimizuodami ieškome nežinomų modelių parametrų (pvz. P1 - neigiama log-tikėtinumo funkcija, P2 - tiesinė kelių uždavinių mažiausių kvadratų funkcija ir pan.). Nuostolių/kaštų funkcijos - vartojamos, kaip sinonimai priklausomai nuo konteksto.
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	Tiklo funkcija (objective function) - apibrėžtas sprendžiamas uždavinys. Praktikoje gali būti įvairus, pavyzdžiui maksimizuoti tikimybinį pasiskirtymą (P1) ar daugelių tikslų uždavinį (P2). Tam praktikoje konstruojame nuostolių funkciją (loss function) - praktikoje dažnai minimizuojamą funkciją, kurią optimizuodami ieškome nežinomų modelių parametrų (pvz. P1 - neigiama log-tikėtinumo funkcija, P2 - tiesinė kelių uždavinių mažiausių kvadratų funkcija ir pan.). Nuostolių/kaštų funkcijos - vartojamos, kaip sinonimai priklausomai nuo konteksto.
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
Padding	Papildymo transformacija	Sekų/teksto uždaviniuose dažnai nagrinėjami statiniai modeliai, tada įvesčiai esant trumpesnei reikia kažkaip užpildyti likutinę dalį. Papildymo transformacija užpildo likutines įvestis pagal taisyklę (Sekose dažnas papildymas nuliais, tekste - dažnas papildymas tuščiais teksto vienetais [pad])
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.
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
Point biserial correlation	Dviserijinė taškinė koreliacija
Policy gradient	Strategijos gradientas
Pooling transformation	Sutelkimo transformacija
Pooling layer	Sutelkimo sluoksnis	Sutelkimo sluoksnis taikomas giliuose neuroniniuose tinkluose, kaip transformacija visam sluoksniui. Sutelkimo sluoksniai, dažniausiai neturi vertinamų parametrų ir tik agreguoja išvesčių rezultatus.
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.
One-shot learning	Modelio adaptavimas naujai užduočiai iš vieno pavyzdžio
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
Reguliarization	Reguliarizacija	Reguliarizacija, tai baudos/papildomų kaštų pridėjimas prie skaičiuojamos nuostolių funkcijos, įgalinanti atsižvelgti į iškeltus apribojimus.
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
Subword tokenization	Teksto skaidymas į teksto vienetus procesas teksto vienetams priskiriant unikalias teksto dalis.
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
Triplet loss function	Trejetų nuostolių (tikslo) funkcija
Token	Teksto vienetas	Teksto vienetas tai skaitinė reikšmė - indeksas nusakantis fiksuotą simbolį, žodžio dalį arba žodį.
Tokenization	Teksto skaidymas į teksto vienetus	Teksto skaidymas į teksto vienetus vienareikšmiškai priskiria duotam tekstui sąrašą teksto vienetų (indeksų).
Tokenizer	Teksto skaidymo į teksto vienetus modelis/transformacija
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
Word tokenization	Teksto skaidymas į teksto vienetus tai procesas teksto vienetams priskiriant unikalius teksto žodžius.
Zoneout	Atsitiktinio išlaikymo transformacija	žr. Atsitiktinio išlaikymo transformacija
Zero padding	Papildymas nuliais
Zero-shot learning	Modelio adaptavimas naujai užduočiai nepateikiant pavyzdžių