Глоссариум по искусственному интеллекту: 2500 терминов. Том 1

Градиентная обрезка (Gradient clipping) – это метод, позволяющий справиться с проблемой взрывающихся градиентов путем искусственного ограничения (отсечения) максимального значения градиентов при использовании градиентного спуска для обучения модели[226 - Gradient clipping [Электронный ресурс] https://developers.google.com URL: https://developers.google.com/machine-learning/glossary#gradient-clipping (дата обращения: 28.03.2023)].

Градиентный спуск (Gradient descent) – это метод минимизации потерь путем вычисления градиентов потерь по отношению к параметрам модели на основе обучающих данных.

Градиентный спуск итеративно корректирует параметры, постепенно находя наилучшую комбинацию весов и смещения для минимизации потерь[227 - Gradient descent [Электронный ресурс] https://medium.com URL: https://medium.com/@rndayala/gradient-descent-algorithm-2553ccc79750 (дата обращения 14.03.2022)].

Граница решения (Decision boundary) – это разделитель между классами, изученными моделью в задачах классификации двоичного класса или нескольких классов[228 - Decision boundary [Электронный ресурс] https://developers.

google.com URL: https://developers.google.com/machine-learning/glossary#decision-boundary (дата обращения: 28.03.2023)].

Граница решения или поверхность решения (в статистико-классификационной задаче с двумя классами) (Decision boundary) – это гиперповерхность, разделяющая нижележащее векторное пространство на два множества, по одному для каждого класса.

Классификатор классифицирует все точки на одной стороне границы принятия решения как принадлежащие одному классу, а все точки на другой стороне как принадлежащие другому классу.

Граф (Graph) – это таблица, составленная из данных (тензоров) и математических операций. TensorFlow – это библиотека для численных расчетов, в которой данные проходят через граф. Данные в TensorFlow представлены n-мерными массивами – тензорами[229 - Graph [Электронный ресурс] https://developers.

google.com

https://developers.google.com/machine-learning/glossary#graph (дата обращения: 28.03.2023)].

Граф (абстрактный тип данных) (Graph) – в информатике граф – это абстрактный тип данных, который предназначен для реализации концепций неориентированного графа и ориентированного графа из математики; в частности, область теории графов[230 - Graph (abstract data type) [Электронный ресурс] www.semanticscholar.org URL: https://www.semanticscholar.