Ontologie v AI je formální struktura, která popisuje pojmy a vztahy mezi nimi v určité doméně. Umožňuje počítačům chápat význam dat a pracovat s nimi systematicky. Ontologie se využívají např. při reprezentaci znalostí, v expertních systémech nebo při propojení dat z různých zdrojů. Jsou důležité i v oblasti sémantického webu nebo zdravotnictví.

Výstupní vrstva je poslední vrstva neuronové sítě, která poskytuje výsledky predikce. Podle typu úlohy může výstupní vrstva obsahovat jednu hodnotu (např. pravděpodobnost) nebo více uzlů (např. pro klasifikaci do kategorií). Typ aktivační funkce ve výstupní vrstvě (např. softmax, sigmoid) závisí na typu problému, který model řeší.

Overfitting nastává, když se model příliš naučí trénovací data – včetně jejich šumu a nepravidelností – a tím ztrácí schopnost zobecnění na nová, neznámá data. Takový model má sice vysokou přesnost na trénovacích datech, ale selhává na testovacích. Přeučení je častý problém u komplexních modelů a řeší se např. regularizací nebo větším množstvím dat.