| English | Russian |
| convolutional layer | свёрточный слой (искусственной нейронной сети | A convolutional layer contains a set of filters whose parameters need to be learned. The height and weight of the filters are smaller than those of the input volume. Each filter is convolved with the input volume to compute an activation map made of neurons. In other words, the filter is slid across the width and height of the input and the dot products between the input and filter are computed at every spatial position. The output volume of the convolutional layer is obtained by stacking the activation maps of all filters along the depth dimension. Since the width and height of each filter is designed to be smaller than the input, each neuron in the activation map is only connected to a small local region of the input volume. In other words, the receptive field size of each neuron is small, and is equal to the filter size. The local connectivity is motivated by the architecture of the animal visual cortex where the receptive fields of the cells are small. The local connectivity of the convolutional layer allows the network to learn filters which maximally respond to a local region of the input, thus exploiting the spatial local correlation of the input (for an input image, a pixel is more correlated to the nearby pixels than to the distant pixels). In addition, as the activation map is obtained by performing convolution between the filter and the input, the filter parameters are shared for all local positions. The weight sharing reduces the number of parameters for efficiency of expression, efficiency of learning, and good generalization. Alex_Odeychuk) |
| convolutional neural net | свёрточная нейронная сеть (CNN; ConvNet; КНС; СНС MichaelBurov) |
| convolutional neural net | конволюционная нейронная сеть (CNN; ConvNet; КНС; СНС MichaelBurov) |
| convolutional neural network | свёрточная нейронная сеть (MNIST – объёмная база данных образцов рукописного написания цифр. База данных является стандартом, предложенным Национальным институтом стандартов и технологий США с целью калибрации и сопоставления методов распознавания изображений с помощью машинного обучения в первую очередь на основе нейронных сетей. Данные состоят из заранее подготовленных примеров изображений, на основе которых проводится обучение и тестирование систем. База данных была создана после переработки оригинального набора черно-белых образцов размером 20x20 пикселей NIST. Создатели базы данных NIST, в свою очередь, использовали набор образцов из Бюро переписи населения США, к которому были добавлены ещё тестовые образцы, написанные студентами американских университетов. Образцы из набора NIST были нормализированы, прошли сглаживание и приведены к серому полутоновому изображению размером 28x28 пикселей. База данных MNIST содержит 60000 изображений для обучения и 10000 изображений для тестирования. Половина образцов для обучения и тестирования были взяты из набора NIST для обучения, а другая половина – из набора NIST для тестирования. Производились многочисленные попытки достичь минимальной ошибки после обучения по базе данных MNIST, которые обсуждались в научной литературе. Рекордные результаты указывались в публикациях, посвящённых использованию свёрточных нейронных сетей, уровень ошибки был доведён до 0,23 %. sas_proz) |
| convolutional neural network | конволюционная нейронная сеть (CNN; ConvNet; КНС; СНС MichaelBurov) |
| convolutional neural network | нейронная сеть свёртки (сеть глубокого обучения, в которой слои свёртки играют доминирующую роль ssn) |
| convolutional neural network architecture | архитектура свёрточной нейронной сети (из кн.: Dawani J. Hands-On Mathematics for Deep Learning, 2020 Alex_Odeychuk) |
| convolutional neural network for machine translation | свёрточная нейронная сеть для машинного перевода (работает в 9 раз быстрее рекуррентных нейронных сетей, при этом совсем незначительно уступая им в точности перевода Alex_Odeychuk) |
| fully convolutional network | полностью свёрточная сеть (Alex_Odeychuk) |
| graph convolutional neural network | графовая свёрточная нейронная сеть (Alex_Odeychuk) |
| quantum convolutional neural network | квантовая свёрточная нейронная сеть (квантовая свёрточная нейронная сеть представляет собой ряд свёрточных слоев или последовательностей квантовых операций, чередующихся со слоями объединения, которые вместе уменьшают размер хранимой информации, сохраняя при этом важные функции набора данных  ixbt.com, frontiersin.org Alex_Odeychuk) |
| region-based convolutional neural network | регионально-свёрточная нейронная сеть (a machine learning model for computer vision and specifically object detection • Region-based convolutional neural networks have been used for tracking objects from a drone-mounted camera, locating text in an image, and enabling object detection. Alex_Odeychuk) |