Глоссариум по информационным технологиям и искусственному интеллекту. Александр Чесалов

(преобразованию) изображений, например повышение чёткости, коррекция цветов, сглаживание, уменьшение шумов и т. д.

      Обработка компьютерного зрения (Computer vision processing) – это обработка изображений (сигналов) в системах компьютерного зрения, использующих алгоритмы (computer vision processing algorithms), процессоры (computer vision processing unit, CVPU), свёрточные нейронные сети (convolutional neural network) для обработки изображений и реализации зрительных функций в робототехнике, в системах реального времени (real-time system), системах интеллектуального видеонаблюдения (smart video surveillance) и др.

      Обработка персональных данных (Processing of personal data) – это любое действие (операция) или совокупность действий (операций), совершаемых с использованием средств автоматизации или без использования таких средств с персональными данными, включая сбор, запись, систематизацию, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передачу (распространение, предоставление, доступ), обезличивание, блокирование, удаление, уничтожение персональных данных.

      Обработка речи (Speech processing) – это изучение речевых сигналов и методов обработки сигналов. Сигналы обычно обрабатываются в цифровом представлении, поэтому обработку речи можно рассматривать как частный случай цифровой обработки сигналов, применяемый к речевым сигналам. Аспекты обработки речи включают получение, обработку, хранение, передачу и вывод речевых сигналов. Ввод называется распознаванием речи, а вывод называется синтезом речи89.

      Обучение без учителя (Unsupervised learning) – это направление машинного обучения, работает с неразмеченными данными и работает без обратной связи.

      Обучение модели (Model training) – это настройка параметров модели нейронной сети для правильной работы с заданными данными.

      Обучение с временной разницей (Temporal difference learning) – это класс методов обучения с подкреплением без использования моделей, которые обучаются путем самонастройки на основе текущей оценки функции ценности. Эти методы производят выборку из среды, например методы Монте-Карло, и выполняют обновления на основе текущих оценок, например методы динамического программирования90.

      Обучение с подкреплением (Reinforcement learning) – это направление машинного обучения, фокусируется на процессах принятия решений и системах вознаграждения. Может выучить серию действий.

      Обучение с самоконтролем (Self-Supervised Learning) – это одна из разновидностей машинного обучения, применение которой может быть полезным в переходе от контролируемого обучения с целью снижения издержек на обработку больших массивов информации и человеческие ресурсы. Использование этой технологии должно помочь в работе с неструктурированными данными, а наибольшая польза от ее применения заключается в повышении качества распознавания голоса при работе с интеллектуальным голосовым помощником при регистрации обращений.

89

.Speech processing [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Speech_processing#:~:text=Speech%20processing%20is%20the%20study,processing%2C%20applied%20to%20speech%20signals. (дата обращения: 07.07.2022)

90

.Temporal difference learning [Электронный ресурс] //en.wikipedia.org URL: https://en.wikipedia.org/wiki/Temporal_difference_learning (дата обращения: 07.07.2022)