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)(七)

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!

A


approximations近似值

arbitrary随意的

affine仿射的

arbitrary任意的

amino acid氨基酸

amenable经得起检验的

axiom公理,原则

abstract提取

architecture架构,体系结构;建造业

absolute绝对的

arsenal军火库

assignment分配

algebra线性代数

asymptotically无症状的

appropriate恰当的


B


bias偏差

brevity简短,简洁;短暂

broader广泛

briefly简短的

batch批量


C


convergence 收敛,集中到一点

convex凸的

contours轮廓

constraint约束

constant常理

commercial商务的

complementarity补充

coordinate ascent同等级上升

clipping剪下物;剪报;修剪

component分量;部件

continuous连续的

covariance协方差

canonical正规的,正则的

concave非凸的

corresponds相符合;相当;通信

corollary推论

concrete具体的事物,实在的东西

cross validation交叉验证

correlation相互关系

convention约定

cluster一簇

centroids 质心,形心

converge收敛

computationally计算(机)的

calculus计算


D


derive获得,取得

dual二元的

duality二元性;二象性;对偶性

derivation求导;得到;起源

denote预示,表示,是…的标志;意味着,[逻]指称

divergence 散度;发散性

dimension尺度,规格;维数

dot小圆点

distortion变形

density概率密度函数

discrete离散的

discriminative有识别能力的

diagonal对角

dispersion分散,散开

determinant决定因素

disjoint不相交的


E


encounter遇到

ellipses椭圆

equality等式

extra额外的

empirical经验;观察

ennmerate例举,计数

exceed超过,越出

expectation期望

efficient生效的

endow赋予

explicitly清楚的

exponential family指数家族

equivalently等价的


F


feasible可行的

forary初次尝试

finite有限的,限定的

forgo摒弃,放弃

fliter过滤

frequentist最常发生的

forward search前向式搜索

formalize使定形


G


generalized归纳的

generalization概括,归纳;普遍化;判断(根据不足)

guarantee保证;抵押品

generate形成,产生

geometric margins几何边界

gap裂口

generative生产的;有生产力的


H


heuristic启发式的;启发法;启发程序

hone怀恋;磨

hyperplane超平面


L


initial最初的

implement执行

intuitive凭直觉获知的

incremental增加的

intercept截距

intuitious直觉

instantiation例子

indicator指示物,指示器

interative重复的,迭代的

integral积分

identical相等的;完全相同的

indicate表示,指出

invariance不变性,恒定性

impose把…强加于

intermediate中间的

interpretation解释,翻译


J


joint distribution联合概率


L


lieu替代

logarithmic对数的,用对数表示的

latent潜在的

Leave-one-out cross validation留一法交叉验证


M


magnitude巨大

mapping绘图,制图;映射

matrix矩阵

mutual相互的,共同的

monotonically单调的

minor较小的,次要的

multinomial多项的

multi-class classification二分类问题


N


nasty讨厌的

notation标志,注释

naïve朴素的


O


obtain得到

oscillate摆动

optimization problem最优化问题

objective function目标函数

optimal最理想的

orthogonal(矢量,矩阵等)正交的

orientation方向

ordinary普通的

occasionally偶然的


P


partial derivative偏导数

property性质

proportional成比例的

primal原始的,最初的

permit允许

pseudocode伪代码

permissible可允许的

polynomial多项式

preliminary预备

precision精度

perturbation 不安,扰乱

poist假定,设想

positive semi-definite半正定的

parentheses圆括号

posterior probability后验概率

plementarity补充

pictorially图像的

parameterize确定…的参数

poisson distribution柏松分布

pertinent相关的


Q


quadratic二次的

quantity量,数量;分量

query疑问的


R


regularization使系统化;调整

reoptimize重新优化

restrict限制;限定;约束

reminiscent回忆往事的;提醒的;使人联想…的(of)

remark注意

random variable随机变量

respect考虑

respectively各自的;分别的

redundant过多的;冗余的


S


susceptible敏感的

stochastic可能的;随机的

symmetric对称的

sophisticated复杂的

spurious假的;伪造的

subtract减去;减法器

simultaneously同时发生地;同步地

suffice满足

scarce稀有的,难得的

split分解,分离

subset子集

statistic统计量

successive iteratious连续的迭代

scale标度

sort of有几分的

squares平方


T


trajectory轨迹

temporarily暂时的

terminology专用名词

tolerance容忍;公差

thumb翻阅

threshold阈,临界

theorem定理

tangent正弦


U


unit-length vector单位向量


V


valid有效的,正确的

variance方差

variable变量;变元

vocabulary词汇

valued经估价的;宝贵的


W


wrapper包装

相关文章
|
2月前
|
存储 人工智能 测试技术
手把手带你入门AI智能体:从核心概念到第一个能跑的Agent
AI智能体是一种能感知环境、自主决策并执行任务的人工智能系统。它不仅能生成回应,还可通过工具使用、计划制定和记忆管理完成复杂工作,如自动化测试、脚本编写、缺陷分析等。核心包括大语言模型(LLM)、任务规划、工具调用和记忆系统。通过实践可逐步构建高效智能体,提升软件测试效率与质量。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
AI概念解析:从入门到精通的43个关键术语指南
本文系统梳理AI领域50个核心术语,涵盖基础概念、技术原理、应用场景与合规风险,帮助读者精准理解AI本质,把握技术演进脉络与产业趋势,提升智能时代认知与决策能力。
|
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 PyTorch
AI 基础知识从 0.2 到 0.3——构建你的第一个深度学习模型
本文以 MNIST 手写数字识别为切入点,介绍了深度学习的基本原理与实现流程,帮助读者建立起对神经网络建模过程的系统性理解。
589 15
AI 基础知识从 0.2 到 0.3——构建你的第一个深度学习模型
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
AI 基础知识从 0.3 到 0.4——如何选对深度学习模型?
本系列文章从机器学习基础出发,逐步深入至深度学习与Transformer模型,探讨AI关键技术原理及应用。内容涵盖模型架构解析、典型模型对比、预训练与微调策略,并结合Hugging Face平台进行实战演示,适合初学者与开发者系统学习AI核心知识。
438 15
|
4月前
|
机器学习/深度学习 人工智能 API
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化

热门文章

最新文章