Текст книги "Глоссариум по искусственному интеллекту: 2500 терминов"

«К»

Калибровочный слой (Calibration layer) – это корректировка после прогнозирования, обычно для учета смещения прогноза. Скорректированные прогнозы и вероятности должны соответствовать распределению наблюдаемого набора меток.

Канонические форматы (Canonical Formats) в информационных технологиях канонизация – это процесс приведения чего-либо в соответствие с некоторой спецификацией… и в утвержденном формате. Канонизация иногда может означать создание канонических данных из неканонических данных. Канонические форматы широко поддерживаются и считаются оптимальными для долгосрочного хранения.

Капсульная нейронная сеть (Capsule neural network) – это архитектура искусственных нейронных сетей, которая предназначена для распознавания изображений. Главными преимуществами данной архитектуры является существенное снижение размеров необходимой для обучения выборки, а также повышение точности распознавания и устойчивость к атакам типа «белый ящик». Ключевым нововведением капсульных нейросетей является наличие так называемых капсул – элементов, являющихся промежуточными единицами между нейронами и слоями, которые представляют собой группы виртуальных нейронов, отслеживающих не только отдельные детали изображения, но и их расположение друг относительно друга. Данная архитектура была задумана Джеффри Хинтоном в 1979 году, сформулирована в 2011 году и опубликована в двух статьях в октябре 2017 года.

Категориальные данные (Categorical data) – это данные, качественно характеризующие исследуемый процесс или объект, не имеющие количественного выражения. В них каждая единица наблюдения назначается определенной группе или номинальной категории на основе некоторого качественного свойства.

Обычно представляют собой построчные значения из ограниченного набора категорий (например, названия городов, наименования товаров, имена сотрудников и клиентов и т.д.). В некоторых случаях могут использоваться и числа, кодирующие эти категории.

При обработке таких данных применяются только операции сравнения: «равно» и «не равно», производится их упорядочение, например, по алфавиту. Применение арифметических операций к категориальным данным некорректно, даже если они представлены числами.

Квантильное группирование (Quantile bucketing) – это распределение значений объекта по сегментам таким образом, чтобы каждый сегмент содержал одинаковое (или почти одинаковое) количество примеров.

Квантификатор (Quantifier) в логике – это количественная оценка указывает количество экземпляров в области дискурса, которые удовлетворяют открытой формуле. Два наиболее распространенных квантификатора означают «для всех» и «существует». Например, в арифметике квантификаторы позволяют сказать, что натуральные числа продолжаются вечно, записав, что для всех n (где n – натуральное число) существует другое число (скажем, следующее за n), которое на единицу больше. чем n.

Квантование (Quantization) – это разбиение диапазона отсчётных значений сигнала на конечное число уровней и округления этих значений до одного из двух ближайших к ним уровней.

Квантовые вычисления (Quantum computing) – это использование квантово-механических явлений, таких как суперпозиция и запутанность, для выполнения вычислений. Квантовый компьютер используется для выполнения таких вычислений, которые могут быть реализованы теоретически или физически.

Квантовые технологии (Quantum technologies) ― это технологии создания вычислительных систем, основанные на новых принципах (квантовых эффектах), позволяющие радикально изменить способы передачи и обработки больших массивов данных.

Киберфизические системы (Cyber-physical systems) – это интеллектуальные сетевые системы со встроенными датчиками, процессорами и приводами, которые предназначены для взаимодействия с физической окружающей средой и поддержки работы компьютерных информационных систем в режиме реального времени; облачные вычисления – информационно-технологическая модель обеспечения повсеместного и удобного доступа с использованием информационно-телекоммуникационной сети «Интернет» к общему набору конфигурируемых вычислительных ресурсов («облаку»), устройствам хранения данных, приложениям и сервисам, которые могут быть оперативно предоставлены и освобождены от нагрузки с минимальными эксплуатационными затратами или практически без участия провайдера.

Киберфизические системы (Cyber-physical systems) – это интеллектуальные сетевые системы со встроенными датчиками, процессорами и приводами, которые предназначены для взаимодействия с физической окружающей средой и поддержки работы компьютерных информационных систем в режиме реального времени; облачные вычисления – информационно-технологическая модель обеспечения повсеместного и удобного доступа с использованием информационно-телекоммуникационной сети «Интернет» к общему набору конфигурируемых вычислительных ресурсов («облаку»), устройствам хранения данных, приложениям и сервисам, которые могут быть оперативно предоставлены и освобождены от нагрузки с минимальными эксплуатационными затратами или практически без участия провайдера.

Класс (Class) – это термин из набора перечисленных целевых значений меток. Например, в модели бинарной классификации, обнаруживающей спам-рассылку, существует два класса – это спам и не спам. В многоклассовой модели классификации, которая идентифицирует породы собак, классами будут пудель, бигль, мопс и так далее.

Класс большинства (Majority class) – это метка в наборе данных с несбалансированным классом. Несбалансированные данные относятся к случаям, когда количество наблюдений в классе распределено неравномерно, и часто существует основной класс -класс большинства, который имеет гораздо больший процент набора данных, и второстепенные классы, в которых недостаточно примеров.

Класс меньшинства (Minority class) – это метка в несбалансированном по классам наборе данных. Например, учитывая набор данных, содержащий 99% ярлыков, не относящихся к спаму, и 1% ярлыков для спама, ярлыки для спама относятся к классу меньшинства в наборе данных с несбалансированным классом. [3434
  Класс меньшинства [Электронный ресурс] //docs.microsoft.com URL: https://docs.microsoft.com/ru-ru/azure/open-datasets/dataset-mnist?tabs=azureml-opendatasets (дата обращения: 07.07.2022)


[Закрыть]]

Класс Сложности NP (недетерминированное полиномиальное время) (NP) – в теории вычислительной сложности – это класс, используемый для классификации проблем принятия решений. NP – это множество проблем решения, для которых экземпляры проблемы, где ответ «да», имеют доказательства, проверяемые за полиномиальное время с помощью детерминированной машины Тьюринга.

Классификация (Classification). В задачах классификации используется алгоритм для точного распределения тестовых данных по определенным категориям, например, при отделении яблок от апельсинов. Или, в реальном мире, алгоритмы обучения с учителем можно использовать для классификации спама в отдельной папке из вашего почтового ящика. Линейные классификаторы, машины опорных векторов, деревья решений и случайный лес – все это распространенные типы алгоритмов классификации.

Кластеризация (Clustering) – это метод интеллектуального анализа данных для группировки неразмеченных данных на основе их сходства или различия. Например, алгоритмы кластеризации K-средних распределяют сходные точки данных по группам, где значение K представляет размер группировки и степень детализации. Этот метод полезен для сегментации рынка, сжатия изображений и т. д.

Кластеризация временных данных (Temporal data clustering) – разделение неразмеченного набора временных данных на группы или кластеры, где все последовательности, сгруппированные в одном кластере, должны быть согласованными или однородными. Хотя для кластеризации различных типов временных данных были разработаны различные алгоритмы, все они пытаются модифицировать существующие алгоритмы кластеризации для обработки временной информации.

Кластеризация временных данных (Temporal data clustering) – это разделение неразмеченного набора временных данных на группы или кластеры, где все последовательности, сгруппированные в одном кластере, должны быть согласованными или однородными. Хотя для кластеризации различных типов временных данных были разработаны различные алгоритмы, все они пытаются модифицировать существующие алгоритмы кластеризации для обработки временной информации.

Кластеризация на основе центроида (Centroid-based clustering) – это категория алгоритмов кластеризации, которые организуют данные в неиерархические кластеры. Алгоритм k средних (k-means) – это наиболее широко используемый алгоритм кластеризации на основе центроидов, один из алгоритмов машинного обучения, решающий задачу кластеризации.

Кластерный анализ (Cluster analysis) – это тип обучения без учителя, используемый для исследовательского анализа данных для поиска скрытых закономерностей или группировки в данных; кластеры моделируются с мерой сходства, определяемой такими метриками, как евклидово или вероятностное расстояние.

Ключевые точки (Keypoints) – это координаты определенных объектов на изображении. Например, для модели распознавания изображений в задачах компьютерного зрения, такие как оценка позы человека, обнаружение лиц и распознавание эмоций, обычно работают с ключевыми точками на изображении.

К-Медиан (K-median) – это алгоритм кластеризации, вариация k-means метода кластеризации, где для определения центра кластера вместо среднего вычисляется медиана (по каждому из измерений). Алгоритм кластеризации k-medoids похож на алгоритм k-means, но в отличие от него на каждой итерации ищет центры кластеров не как среднее точек, а как медоиды точек. То есть, центр кластера должен обязательно являться одной из его точек. Медоидом для множества точек называется одна из точек множества, сумма расстояний до которой от всех точек множества минимальна. Алгоритм k-medoids, в отличие от k-means, использует для представления центра кластера не центр масс, а представительный объект – один из объектов кластера. Как и в методе k-means, сначала произвольным образом выбирается k представительных объектов. Каждый из оставшихся объектов объединяется в кластер с ближайшим представительным объектом. Затем итеративно для каждого представительного объекта производится его замена произвольным непредставительным объектом пространства данных. Процесс замены продолжается до тех пор, пока улучшается качество результирующих кластеров. Качество кластеризации определяется суммой отклонений между каждым объектом и представительным объектом соответствующего кластера, которую метод стремится минимизировать. То есть, итерации продолжаются до тех пор, пока в каждом кластере его представительный объект не станет медоидом – наиболее близким к центру кластера объектом. [3535
  К-Медиан [Электронный ресурс] //lektsia.com URL: https://lektsia.com/6xe906.html (дата обращения: 07.07.2022)


[Закрыть]]

Коадаптация (Co-adaptation) – это процесс, когда нейроны предсказывают закономерности в обучающих данных, полагаясь почти исключительно на выходные данные конкретных других нейронов, а не на поведение сети в целом. Регуляризация отсева снижает коадаптацию, поскольку отсев гарантирует, что нейроны не могут полагаться исключительно на определенные другие нейроны.

Когнитивистика, когнитивная наука (Cognitive science) – это междисциплинарное научное направление, объединяющее теорию познания, когнитивную психологию, нейрофизиологию, когнитивную лингвистику, невербальную коммуникацию и теорию искусственного интеллекта.

Когнитивная архитектура (Cognitive architecture) – это гипотеза о фиксированных структурах, обеспечивающих разум, будь то в естественных или искусственных системах, и о том, как они работают вместе – в сочетании со знаниями и навыками, воплощенными в архитектуре. Также, архитектуры, реализованные интеллектуальными агентами, называются когнитивными архитектурами.

Когнитивные вычисления (Cognitive computing) – это самообучающиеся системы, которые используют модели машинного обучения для имитации работы мозга. В конечном итоге эта технология будет способствовать созданию автоматизированных ИТ-моделей, способных решать проблемы без помощи человека.

Когнитивные карты (Cognitive Maps) – это структурированные представления решений, изображенные в графическом формате (разновидностями когнитивных карт являются карты причин, диаграммы влияния или сети убеждений). Базовые когнитивные карты включают узлы, соединенные дугами, где узлы представляют конструкции (или состояния), а дуги представляют отношения. Когнитивные карты использовались для понимания ситуаций принятия решений, для анализа сложных причинно-следственных представлений и для поддержки коммуникации.

Когорта (Cohort) – это выборка в исследовании (проводимом, например, для оценки алгоритма машинного обучения), где за ним следят проспективно или ретроспективно, а последующие оценки состояния в отношении заболевания или исхода проводятся для определения того, какие первоначальные характеристики воздействия участников (риск факторы) связаны с ним.

Код (Code) – это взаимно однозначное отображение конечного упорядоченного множества символов, принадлежащих некоторому конечному алфавиту.

Кодек (Codec) – это средство, с помощью которого звуковые и видеофайлы сжимаются для целей хранения и передачи. Существуют различные формы сжатия: «с потерями» и «без потерь», но большинство кодеков выполняют сжатие без потерь из-за гораздо больших коэффициентов сжатия данных, которые возникают при сжатии с потерями. Большинство кодеков являются программными, хотя в некоторых областях кодеки являются аппаратными компонентами систем изображения и звука. Кодеки необходимы для воспроизведения, поскольку они распаковывают движущиеся изображения и звуковые файлы и позволяют их воспроизводить».

Кодировщик (Encoder) – это любая система, которая преобразует необработанное, разреженное или внешнее представление в более обработанное, более плотное или более внутренне организованное. Кодировщики часто являются компонентом более крупной модели, где они часто работают в паре с декодером. Некоторые трансформеры сочетают кодировщики с декодерами, хотя другие трансформеры используют только кодировщик или только декодер. Некоторые системы используют выходные данные кодировщика в качестве входных данных для сети классификации или регрессии.

Коллаборативная фильтрация (Collaborative filtering) – это технология прогнозирования предпочтений пользователя с учетом интересов других посетителей интернет-ресурса. На основе собираемой информации, система рекомендует те товары, которыми аудитория со схожими интересами уже интересовалась, а конкретный человек – еще нет.

Комбинаторная оптимизация (Combinatorial optimization) – это область теории оптимизации в прикладной математике, связанная с исследованием операций, теорией алгоритмов и теорией вычислительной сложности. В комбинаторной оптимизации используются как математические подходы, так и методы искусственного интеллекта.

Комитетная машина (Committee machine) – это тип искусственной нейронной сети, использующий стратегию «разделяй и властвуй», в которой ответы нескольких нейронных сетей (экспертов) объединяются в один ответ. Совокупный отклик машины комитета должен быть лучше, чем у входящих в его состав экспертов.

Коммодитизация (Commoditization) – это процесс превращения продукта из элитного в общедоступный (сравнительно дешёвый товар массового потребления) [3636
  Коммодитизация [Электронный ресурс] //secretmag.ru URL: https://secretmag.ru/enciklopediya/chto-takoe-kommoditizaciya-obyasnyaem-prostymi-slovami.htm (дата обращения: 07.07.2022)


[Закрыть]].

Компания DeepMind (DeepMind) – это британская компания по искусственному интеллекту, основанная в сентябре 2010 года, в настоящее время принадлежит Alphabet Inc. Компания базируется в Лондоне, а исследовательские центры находятся в Канаде, Франции и США. Приобретенная Google в 2014 году, компания создала нейронную сеть, которая учится играть в видеоигры так же, как люди, а также нейронную машину Тьюринга или нейронную сеть, которая может иметь доступ к внешней памяти. как обычная машина Тьюринга, в результате чего появился компьютер, имитирующий кратковременную память человеческого мозга. Компания попала в заголовки газет в 2016 году после того, как ее программа AlphaGo обыграла профессионального игрока в го Ли Седола, чемпиона мира, в матче из пяти игр, о котором был снят документальный фильм. Более общая программа, AlphaZero, обыграла самые мощные программы, играющие в го, шахматы и сёги (японские шахматы) после нескольких дней игры против самой себя с использованием обучения с подкреплением.

Компания OpenAI (OpenAI) – это американская некоммерческая исследовательская компания по искусственному интеллекту (основанная в декабре 2015 года партнерами, включая Илона Маска), целью которой является продвижение и развитие дружественного ИИ таким образом, чтобы принести пользу человечеству в целом. Организация стремится «свободно сотрудничать» с другими учреждениями и исследователями, делая свои патенты и исследования открытыми для общественности. занимающейся разработкой и лицензированием технологий на основе машинного обучения.

Компилятор (Compiler) – это программа, переводящая текст, написанный на языке программирования, в набор машинных кодов. Компиляторы фреймворков ИИ собирают вычислительные данные фреймворков и старается оптимизировать код каждого из них, независимо от аппаратных средств акселератора. Компилятор содержит программы и блоки, при помощи которых фреймворк выполняет несколько задач. Распределитель ресурсов памяти компьютера, например, выделяет мощности индивидуально для каждого акселератора.

Комплект средств разработки ПО (Software Development Kit SDK) – это комплект средств разработки, который позволяет специалистам по программному обеспечению создавать приложения для определенного пакета программ, программного обеспечения базовых средств раз работки, аппаратной платформы, компьютерной системы, игровых консолей, операционных систем и прочих платформ. SDK с использованием ИИ свободно распространяются компаниями разработчиками ПО, таким как NVIDIA, ABBYY, HUAWEI и тд в зависимости от сферы применения ИИ

Комплекты для создания и обучения искусственного интеллекта (AI Building and Training Kits) – это приложения и комплекты для разработки программного обеспечения (SDK), которые абстрагируют платформы, фреймворки, аналитические библиотеки и устройства для анализа данных, позволяя разработчикам программного обеспечения включать ИИ в новые или существующие приложения.

Композитный искусственный интеллект (Composite AI) – это комбинированное применение различных методов ИИ для повышения эффективности обучения, расширения уровня представления знаний и, в конечном итоге, для более эффективного решения более широкого круга бизнес-задач.

Компрессия (Compression) – это метод уменьшения размера компьютерных файлов. Доступно несколько программ сжатия, например gzip и WinZip.

Компьютерная диагностика (Computer-Aided Detection/Diagnosis) – это системы, которые помогают врачам в интерпретации медицинских изображений. Методы визуализации в диагностике рентгеновских лучей, МРТ и УЗИ дают большую информацию, которую рентгенолог или другой медицинский специалист должен анализировать всесторонне за короткое время. CAD-системы обрабатывают цифровые изображения для выделения алертных участков, таких как возможные заболевания, чтобы предложить их для принятия решения профессионалом.

Компьютерная лингвистика (Computational linguistics) – это наука, которая занимается проблемами использования естественного языка в системах автоматической обработки информации. Это область знаний, связанная c решением задач автоматической обработки информации, представленной на естественном языке.

Компьютерно-автоматизированное проектирование (Computer-automated design) — это результат преобразования автоматизированного проектирования (CAD) из пассивного инструмента моделирования в средство прямого или активного автоматизированного проектирования с помощью машинного обучения, усиленного биологией, применяя эвристические методы поиска, эволюционные вычисления и алгоритмы группового интеллекта.

Компьютерное зрение (Computer vision CV) – это научная дисциплина, область техники и направление искусственного интеллекта (ИИ), занимающееся компьютерной обработкой, распознаванием, анализом и классификацией динамических изображений реальной действительности. Широко применяется в системах видеонаблюдения, в робототехнике и в современной промышленности для повышения качества продукции и эффективности производства, выполнения требований законодательства и др. В компьютерном зрении выделяют следующие направления: распознавание лиц (face recognition), распознавание образов (image recognition), дополненная реальность (augmented reality, AR) и оптическое распознавание символов (optical character recognition, OCR).

Компьютерное моделирование (Computer simulation) – это процесс математического моделирования, выполняемого на компьютере, который предназначен для прогнозирования поведения или результатов реальной или физической системы. Надежность некоторых математических моделей можно определить путем сравнения их результатов с реальными результатами, которые они стремятся предсказать. Компьютерное моделирование стало полезным инструментом для математического моделирования многих природных систем в физике (вычислительной физике), астрофизике, климатологии, химии, биологии и производстве, а также человеческих систем в экономике, психологии, социальных науках, здравоохранении и технике.

Компьютерный инжиниринг (Computer engineering) – это технологии цифрового моделирования и проектирования объектов и производственных процессов на всем протяжении жизненного цикла.

Компьютерный инцидент (Computer incident) – это факт нарушения и (или) прекращения функционирования объекта критической информационной инфраструктуры, сети электросвязи, используемой для организации взаимодействия таких объектов, и (или) нарушения безопасности обрабатываемой таким объектом информации, в том числе, произошедший в результате компьютерной атаки.

Конвейер (Pipeline) – это метод для автоматизации рабочих процессов машинного обучения. Он работает, преобразовывая последовательность данных и сопоставляя их вместе в модели, которую можно протестировать и оценить для достижения результата.

Конвейерная обработка (Pipelining) — это процесс накопления и выполнения компьютерных инструкций и задач от процессора через логический конвейер. Применительно к машинному обучению – это способ систематизировать и автоматизировать рабочий процесс, необходимый для создания модели машинного обучения.

Конвергенция (Convergence) – это сближение различных систем, происходящее под влиянием социально-экономических факторов. Применительно к машинному обучению, модель достигает конвергенции, когда дополнительное обучение на текущих данных не улучшит модель. Помимо экономики и машинного обучения, термин «конвергенция» используется в коммуникации, различных гуманитарных, естественных и общественно-политических науках.

Коннекционизм (Сonnectionism) – это один из подходов в области искусственного интеллекта, когнитивной науки (когнитивистики), нейробиологии, психологии и философии сознания. Коннекционизм моделирует мыслительные или поведенческие явления процессами становления в сетях из связанных между собой простых элементов.

Контролируемое обучение (Supervised learning) – это тип машинного обучения, при котором выходные наборы данных обучают машину генерировать желаемые алгоритмы, как учитель, контролирующий ученика; используется чаще, чем обучение без учителя

Контрольная точка (Checkpoint) – это простое событие базы данных, ее основное значение – сокращение времени восстановления после сбоя. Контрольные точки позволяют экспортировать веса моделей, а также выполнять обучение в течение нескольких сеансов.

Контрфактическая справедливость (Counterfactual fairness) – это метод принятия решений с помощью ИИ. Он предполагает, что компьютеры могут квалифицировать то или иное суждение о какой-либо личности как «справедливое», если такое же суждение было сделано в воображаемом мире, в котором личность относилась к другой демографической группе на основе «несправедливых ориентиров» – другими словами, если в параллельном мире женщина была бы фактически мужчиной или белый мужчина был бы фактически темнокожим.

Конфиденциальность информации (Confidentiality of information) – это обязательное для выполнения лицом, получившим доступ к определенной информации, требование не передавать такую информацию третьим лицам без согласия ее обладателя.

Корневой каталог (Root directory) – это каталог, который вы указываете для размещения подкаталогов контрольной точки TensorFlow и файлов событий нескольких моделей.

Корпоративная обработка изображений (Enterprise Imaging) – это набор стратегий, инициатив и рабочих процессов, реализованных в медицинском предприятии для последовательного и оптимального захвата, индексации, управления, хранения, распространения, просмотра, обмена и анализа всех клинических изображений и мультимедийного контента для повышения эффективности электронной медицинской карты (EMR) членами рабочей группы.

Корпус (Corpus) – это подобранная и обработанная по определённым правилам совокупность текстов, используемых в качестве базы для исследования языка.

Корреляционный анализ (Correlation analysis) – метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Таким образом, он определяет существует ли связь между явлениями и насколько сильная связь между этими явлениями.

Корреляция (Correlation) – статистическая взаимосвязь двух или более случайных величин.

Коэффициент ветвления дерева (Branching factor) – это количество исходящих ветвей в каждом узле. Если это значение не одинаково для всех узлов, может быть вычислен средний коэффициент ветвления. В теории игр коэффициентом ветвления игры называется коэффициент ветвления дерева игры, то есть количество возможных ходов в данной позиции. Например, в шахматах, если «узлом» считается базовая позиция, средний коэффициент ветвления будет 35. Это значит, что в среднем игрок имеет около 35 допустимых ходов на каждом ходе. Для сравнения, коэффициент ветвления для игры Го равен 250.

Коэффициент игральной кости (Dice coefficient) – это мера для сравнения сходства двух сегментаций, например, эксперта и машины. Это отношение удвоенного количества общих пикселей к сумме всех пикселей в обоих наборах.

Коэффициент регуляризации (Regularization rate) – это скалярное значение, представленное в виде лямбда, указывающее относительную важность функции регуляризации. Следующее упрощенное уравнение потерь показывает влияние скорости регуляризации: Повышение уровня регуляризации уменьшает переоснащение, но может сделать модель менее точной.

Креативные вычисления (Computational creativity) – это междисциплинарное направление с характеристиками методов разработки, оценки, моделирования, философии, теоретики, психологии и искусства. Креативные вычисления относятся к мета-технологии для объединения знаний в области вычислений и других дисциплин.

Кривая обобщения (Generalization curve) – это график, показывающий как обучающую выборку, так и проверочную выборку. Кривая обобщения может помочь обнаружить возможное переобучение модели.

Кривая потерь (Loss curve) – это график потерь в зависимости от итераций обучения. Например, кривая потерь может помочь вам определить, когда ваша модель сходится, переоснащается или недостаточно подходит.

Кривая точности-отзыва (Precision-recall curve) – это кривая зависимости точности от отзыва при различных порогах классификации.

Кризис воспроизводимости (Reproducibility (crisis of)) – это методологический кризис в науке, при котором ученые обнаружили, что результаты многих научных исследований трудно или невозможно воспроизвести при последующем исследовании как независимыми исследователями, так и самими первоначальными исследователями.

Криогенная заморозка (крионика,

криоконсервация человека) – это технология сохранения в состоянии глубокого охлаждения (при помощи жидкого азота) головы или тела человека после его смерти с намерением оживить их в будущем.

Критик (Critic) – это глубокая нейронная сеть, предсказывающая Q-функции.

Критическая информационная инфраструктура (Critical information infrastructure) – это объекты критической информационной инфраструктуры, а также сети электросвязи, используемые для организации взаимодействия таких объектов.

Критическая информационная инфраструктура Российской Федерации (Critical information infrastructure of the Russian Federation) – это совокупность объектов критической информационной инфраструктуры, а также сетей электросвязи, используемых для организации взаимодействия объектов критической информационной инфраструктуры между собой.

Кроссовер (Рекомбинация) (Crossover) – это один из способов стохастического генерирования новых решений из существующей популяции, аналогичный скрещиванию, который происходит во время полового размножения в биологических организмах. Решения также могут быть получены путем клонирования существующего решения, что аналогично бесполому размножению. Вновь созданные решения обычно мутируют перед добавлением в популяцию.

Кросс-энтропия (Перекрестная энтропия) (Cross-entropy) – это функция потерь (Loss Function), которую можно использовать для количественной оценки разницы между двумя распределениями вероятностей. [3737
  Cross-entropy [Электронный ресурс] // helenkapatsa.ru URL: https://www.helenkapatsa.ru/kross-entropiia/ (дата обращения: 16.02.2022)


[Закрыть]]

Курирование данных (Data Curation) – это процессы, связанные с организацией и управлением данными, которые собираются из различных источников.