Александр Чесалов - Глоссариум по искусственному интеллекту и информационным технологиям

Нейроморфное аппаратное обеспечение (Neuromorphic hardware) – это аппаратное обеспечение для систем ИИ, построенное на нейроморфной элементной базе

Нейроморфное оборудование (Neuromorphic equipment) – это любое электрическое устройство, которое имитирует природные биологические структуры нервной системы человека.

Нейроморфные системы (Neuromorphic systems) – это реализация в кремнии систем, архитектура которых базируется на нейробиологии (дисциплина, изучающая физиологию, строение, развитие мозга и нервной системы); используют вычисления с массовым параллелизмом. Нейроморфные системы могут быть как цифровыми, так и аналоговыми, при этом роль синапсов играет либо программное обеспечение, либо мемристоры, которые могут хранить значение из некоторого диапазона величин, а не только традиционные единицу и ноль, что позволяет имитировать изменение силы связи (весов) между двумя синапсами. Изменение этих весов в моделируемых синапсах – это один из способов позволить нейроморфным системам учиться.

Нейроморфный ИИ Neuromorphic artificial intelligence (neuromorphic AI) – это системы ИИ, строящиеся по образу и подобию мозга человека, характеризующиеся громадным быстродействием на определённых видах задач (обработки и распознавания изображений, машинного обучения и др.) и на несколько порядков меньшим энергопотреблением, чем у сравнимых по производительности суперкомпьютеров.

Нейроморфный исследователь (Neuromorphic researcher) – это учёный-исследователь в области ИНС.

Нейроморфный процессор (Neural processing unit NPU) – это процессор, выполняющий нейрокомпьютерные (нейросетевые) вычисления.

Нейронная сеть (Artificial Neural Network) – это математическая модель, а также ее программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма.

Нейронная сеть AlexNet( AlexNet) – это название нейронной сети, победившей в конкурсе ImageNet Large Scale Visual Recognition Challenge в 2012 году. Она названа в честь Алекса Крижевского, в то время аспиранта компьютерных наук в Стэнфордском университете.

Нейронные сети прямого распространения (FeedForward Networks) – этонейронная сеть с многими слоями, где данные распространяются только вперёд.

Нейронный процессор (Neural processor) – это специализированный класс микропроцессоров и сопроцессоров (часто являющихся специализированной интегральной схемой), используемый для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, распознавания по голосу, машинного обучения и других методов искусственного интеллекта.

Нейронный сетевой процессор (Neural Network Processor NNP) – это специализированный класс микропроцессоров и сопроцессоров (часто являющихся специализированной интегральной схемой), используемый для аппаратного ускорения работы алгоритмов искусственных нейронных сетей, компьютерного зрения, распознавания по голосу, машинного обучения и других методов искусственного интеллекта

Нейротехнологии (Neurotechnologies)― это киберфизические системы, частично или полностью замещающие/дополняющие функционирование нервной системы биологического объекта, в том числе на основе искусственного интеллекта.

Неконтролируемое машинное обучение( Unsupervised machine learning) – это обучение модели поиску шаблонов в наборе данных, обычно немаркированном наборе данных. Наиболее распространенное использование неконтролируемого машинного обучения – кластеризация данных в группы похожих примеров. Например, неконтролируемый алгоритм машинного обучения может группировать песни вместе на основе различных свойств музыки. Полученные кластеры могут стать входными данными для других алгоритмов машинного обучения (например, для службы музыкальных рекомендаций). Кластеризация может быть полезна в областях, где трудно получить истинные метки. Например, в таких областях, как борьба со злоупотреблениями и мошенничеством, кластеры могут помочь людям лучше понять данные. Еще одним примером неконтролируемого машинного обучения является анализ основных компонентов (PCA). Например, применение PCA к набору данных, содержащему содержимое миллионов тележек, может показать, что тележки с лимонами часто также содержат антациды. Сравните с контролируемым машинным обучением.

Неконтролируемое обучение( Unsupervised learning) – это тип алгоритма машинного обучения, используемый для вывода выводов из наборов данных, состоящих из входных данных без помеченных ответов. Самый распространенный метод обучения без учителя – кластерный анализ