AI:人工智能概念之机器学习、深度学习中常见关键词、参数等中英文对照(绝对干货)(二)

简介: 本博主基本收集了网上所有有关于ML、DL的中文解释词汇,机器学习、深度学习中常见关键词、参数等中英文对照,如有没有涉及之处,请留言,本博主将持续续修改、更新!圆小白自学ML、DL之梦!

知乎

activation                   激活值

activation function           激活函数

additive noise                   加性噪声

autoencoder                   自编码器

Autoencoders                   自编码算法

average firing rate           平均激活率

average sum-of-squares error   均方差

backpropagation                   后向传播

basis                           基

basis feature vectors           特征基向量

batch gradient ascent           批量梯度上升法

Bayesian regularization method   贝叶斯规则化方法

Bernoulli random variable   伯努利随机变量

bias term                    偏置项

binary classfication           二元分类

class labels                   类型标记

concatenation                   级联

conjugate gradient            共轭梯度

contiguous groups           联通区域

convex optimization software   凸优化软件

convolution                   卷积

cost function                   代价函数

covariance matrix           协方差矩阵

DC component                   直流分量

decorrelation                   去相关

degeneracy                   退化

demensionality reduction          降维

derivative                   导函数

diagonal                          对角线

diffusion of gradients           梯度的弥散

eigenvalue                   特征值

eigenvector                   特征向量

error term                   残差

feature matrix                    特征矩阵

feature standardization           特征标准化

feedforward architectures   前馈结构算法

feedforward neural network   前馈神经网络

feedforward pass                   前馈传导

fine-tuned                   微调

first-order feature           一阶特征

forward pass                   前向传导

forward propagation           前向传播

Gaussian prior                   高斯先验概率

generative model                   生成模型

gradient descent               梯度下降

Greedy layer-wise training   逐层贪婪训练方法

grouping matrix                   分组矩阵

Hadamard product                  阿达马乘积

Hessian matrix  Hessian           矩阵

hidden layer                   隐含层

hidden units                   隐藏神经元

Hierarchical grouping           层次型分组

higher-order features           更高阶特征

highly non-convex optimization problem 高度非凸的优化问题

histogram                   直方图

hyperbolic tangent           双曲正切函数

hypothesis                   估值,假设

identity activation function   恒等激励函数

IID                           独立同分布

illumination                   照明

inactive                           抑制

independent component analysis   独立成份分析

input domains                   输入域

input layer                   输入层

intensity                   亮度/灰度

intercept term                   截距

KL divergence                   相对熵

KL divergence                   KL分散度

k-Means                           K-均值

learning rate                   学习速率

least squares                   最小二乘法

linear correspondence           线性响应

linear superposition           线性叠加

line-search algorithm           线搜索算法

local mean subtraction           局部均值消减

local optima                   局部最优解

logistic regression           逻辑回归

loss function                   损失函数

low-pass filtering           低通滤波

magnitude                   幅值

MAP                           极大后验估计

maximum likelihood estimation   极大似然估计

mean                           平均值

MFCC Mel                       倒频系数

multi-class classification   多元分类

neural networks                   神经网络

neuron                           神经元

Newton's method                    牛顿法

non-convex function           非凸函数

non-linear feature           非线性特征

norm                           范式

norm bounded                   有界范数

norm constrained                   范数约束

normalization                   归一化

numerical roundoff errors    数值舍入误差

numerically checking            数值检验

numerically reliable           数值计算上稳定

object detection                   物体检测

objective function           目标函数

off-by-one error            缺位错误

orthogonalization           正交化

output layer                   输出层

overall cost function           总体代价函数

over-complete basis           超完备基

over-fitting                   过拟合

parts of objects                 目标的部件

part-whole decompostion           部分-整体分解

PCA                           主元分析

penalty term                   惩罚因子

per-example mean subtraction   逐样本均值消减

pooling                           池化

pretrain                          预训练

principal components analysis   主成份分析

quadratic constraints           二次约束

RBMs                           受限Boltzman机

reconstruction based models   基于重构的模型

reconstruction cost           重建代价

reconstruction term           重构项

redundant                   冗余

reflection matrix           反射矩阵

regularization                   正则化

regularization term           正则化项

rescaling                   缩放

robust                           鲁棒性

run                           行程

second-order feature           二阶特征

sigmoid activation function   S型激励函数

significant digits                有效数字

singular value                   奇异值

singular vector                   奇异向量

smoothed L1 penalty           平滑的L1范数惩罚

Smoothed topographic L1 sparsity penalty 平滑地形L1稀疏惩罚函数

smoothing                   平滑

Softmax Regresson           Softmax回归

sorted in decreasing order   降序排列

source features                   源特征

sparse autoencoder           消减归一化

Sparsity                         稀疏性

sparsity parameter         稀疏性参数

sparsity penalty                 稀疏惩罚

square function                 平方函数

squared-error                 方差

stationary                 平稳性(不变性)

stationary stochastic process 平稳随机过程

step-size                  步长值

supervised learning         监督学习

symmetric positive semi-definite matrix 对称半正定矩阵

symmetry breaking         对称失效

tanh function                 双曲正切函数

the average activation         平均活跃度

the derivative checking method 梯度验证方法

the empirical distribution 经验分布函数

the energy function         能量函数

the Lagrange dual         拉格朗日对偶函数

the log likelihood         对数似然函数

the pixel intensity value 像素灰度值

the rate of convergence         收敛速度

topographic cost term         拓扑代价项

topographic ordered         拓扑秩序

transformation                 变换

translation invariant         平移不变性

trivial answer                 平凡解

under-complete basis         不完备基

unrolling                  组合扩展

unsupervised learning         无监督学习

variance                         方差

vecotrized implementation 向量化实现

vectorization                 矢量化

visual cortex                 视觉皮层

weight decay                 权重衰减

weighted average                 加权平均值

whitening                 白化

zero-mean                 均值为零


相关文章
|
2月前
|
人工智能 自然语言处理 数据库
超越关键词搜索:RAG如何让AI真正“理解”你的问题
超越关键词搜索:RAG如何让AI真正“理解”你的问题
243 102
|
6月前
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
|
4月前
|
机器学习/深度学习 人工智能 监控
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本系列文章深入讲解了从Seq2Seq、RNN到Transformer,再到GPT模型的关键技术原理与实现细节,帮助读者全面掌握Transformer及其在NLP中的应用。同时,通过一个房价预测的完整案例,介绍了算法工程师如何利用数据训练模型并解决实际问题,涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
607 25
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
|
5月前
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
6月前
|
数据可视化 Rust 机器学习/深度学习
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
mlop.ai 是首个为国区用户优化的机器学习工具,全栈免费开源,是主流付费解决方案 ClearML/WandB 的开源平替。常规实验追踪的工具经常大幅人为降速,mlop因为底层为Rust代码,能轻松支持高频数据写入。如需更多开发者帮助或企业支持,敬请联系cn@mlop.ai
357 12
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
|
5月前
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL图构建接口的PyG替换
本文探讨了在图神经网络中将DGL接口替换为PyG实现的方法,重点以RFdiffusion蛋白质设计模型中的SE3Transformer为例。SE3Transformer通过SE(3)等变性提取三维几何特征,其图构建部分依赖DGL接口。文章详细介绍了两个关键函数的替换:`make_full_graph` 和 `make_topk_graph`。前者构建完全连接图,后者生成k近邻图。通过PyG的高效实现(如`knn_graph`),我们简化了图结构创建过程,并调整边特征处理逻辑以兼容不同框架,从而更好地支持昇腾NPU等硬件环境。此方法为跨库迁移提供了实用参考。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
AI训练师入行指南(三):机器学习算法和模型架构选择
从淘金到雕琢,将原始数据炼成智能珠宝!本文带您走进数字珠宝工坊,用算法工具打磨数据金砂。从基础的经典算法到精密的深度学习模型,结合电商、医疗、金融等场景实战,手把手教您选择合适工具,打造价值连城的智能应用。掌握AutoML改装套件与模型蒸馏术,让复杂问题迎刃而解。握紧算法刻刀,为数字世界雕刻文明!
298 6
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
Java+机器学习基础:打造AI学习基础
随着人工智能(AI)技术的飞速发展,越来越多的开发者开始探索如何将AI技术应用到实际业务场景中。Java作为一种强大的编程语言,不仅在企业级应用开发中占据重要地位,在AI领域也展现出了巨大的潜力。本文将通过模拟一个AI应用,从背景历史、业务场景、优缺点、底层原理等方面,介绍如何使用Java结合机器学习技术来打造一个AI学习的基础Demo。
480 18
|
9月前
|
机器学习/深度学习 数据采集 人工智能
容器化机器学习流水线:构建可复用的AI工作流
本文介绍了如何构建容器化的机器学习流水线,以提高AI模型开发和部署的效率与可重复性。首先,我们探讨了机器学习流水线的概念及其优势,包括自动化任务、确保一致性、简化协作和实现CI/CD。接着,详细说明了使用Kubeflow Pipelines在Kubernetes上构建流水线的步骤,涵盖安装、定义流水线、构建组件镜像及上传运行。容器化流水线不仅提升了环境一致性和可移植性,还通过资源隔离和扩展性支持更大规模的数据处理。

热门文章

最新文章