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)(五)

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!

机器学习专业名词中英文对照



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


Letter A


Accumulated error backpropagation 累积误差逆传播

Activation Function 激活函数

Adaptive Resonance Theory/ART 自适应谐振理论

Addictive model 加性学习

Adversarial Networks 对抗网络

Affine Layer 仿射层

Affinity matrix 亲和矩阵

Agent 代理 / 智能体

Algorithm 算法

Alpha-beta pruning α-β剪枝

Anomaly detection 异常检测

Approximation 近似

Area Under ROC Curve/AUC Roc 曲线下面积

Artificial General Intelligence/AGI 通用人工智能

Artificial Intelligence/AI 人工智能

Association analysis 关联分析

Attention mechanism 注意力机制

Attribute conditional independence assumption 属性条件独立性假设

Attribute space 属性空间

Attribute value 属性值

Autoencoder 自编码器

Automatic speech recognition 自动语音识别

Automatic summarization 自动摘要

Average gradient 平均梯度

Average-Pooling 平均池化


Letter B


Backpropagation Through Time 通过时间的反向传播

Backpropagation/BP 反向传播

Base learner 基学习器

Base learning algorithm 基学习算法

Batch Normalization/BN 批量归一化

Bayes decision rule 贝叶斯判定准则

Bayes Model Averaging/BMA 贝叶斯模型平均

Bayes optimal classifier 贝叶斯最优分类器

Bayesian decision theory 贝叶斯决策论

Bayesian network 贝叶斯网络

Between-class scatter matrix 类间散度矩阵

Bias 偏置 / 偏差

Bias-variance decomposition 偏差-方差分解

Bias-Variance Dilemma 偏差 – 方差困境

Bi-directional Long-Short Term Memory/Bi-LSTM 双向长短期记忆

Binary classification 二分类

Binomial test 二项检验

Bi-partition 二分法

Boltzmann machine 玻尔兹曼机

Bootstrap sampling 自助采样法/可重复采样/有放回采样

Bootstrapping 自助法

Break-Event Point/BEP 平衡点


Letter C


Calibration 校准

Cascade-Correlation 级联相关

Categorical attribute 离散属性

Class-conditional probability 类条件概率

Classification and regression tree/CART 分类与回归树

Classifier 分类器

Class-imbalance 类别不平衡

Closed -form 闭式

Cluster 簇/类/集群

Cluster analysis 聚类分析

Clustering 聚类

Clustering ensemble 聚类集成

Co-adapting 共适应

Coding matrix 编码矩阵

COLT 国际学习理论会议

Committee-based learning 基于委员会的学习

Competitive learning 竞争型学习

Component learner 组件学习器

Comprehensibility 可解释性

Computation Cost 计算成本

Computational Linguistics 计算语言学

Computer vision 计算机视觉

Concept drift 概念漂移

Concept Learning System /CLS 概念学习系统

Conditional entropy 条件熵

Conditional mutual information 条件互信息

Conditional Probability Table/CPT 条件概率表

Conditional random field/CRF 条件随机场

Conditional risk 条件风险

Confidence 置信度

Confusion matrix 混淆矩阵

Connection weight 连接权

Connectionism 连结主义

Consistency 一致性/相合性

Contingency table 列联表

Continuous attribute 连续属性

Convergence 收敛

Conversational agent 会话智能体

Convex quadratic programming 凸二次规划

Convexity 凸性

Convolutional neural network/CNN 卷积神经网络

Co-occurrence 同现

Correlation coefficient 相关系数

Cosine similarity 余弦相似度

Cost curve 成本曲线

Cost Function 成本函数

Cost matrix 成本矩阵

Cost-sensitive 成本敏感

Cross entropy 交叉熵

Cross validation 交叉验证

Crowdsourcing 众包

Curse of dimensionality 维数灾难

Cut point 截断点

Cutting plane algorithm 割平面法


Letter D


Data mining 数据挖掘

Data set 数据集

Decision Boundary 决策边界

Decision stump 决策树桩

Decision tree 决策树/判定树

Deduction 演绎

Deep Belief Network 深度信念网络

Deep Convolutional Generative Adversarial Network/DCGAN 深度卷积生成对抗网络

Deep learning 深度学习

Deep neural network/DNN 深度神经网络

Deep Q-Learning 深度 Q 学习

Deep Q-Network 深度 Q 网络

Density estimation 密度估计

Density-based clustering 密度聚类

Differentiable neural computer 可微分神经计算机

Dimensionality reduction algorithm 降维算法

Directed edge 有向边

Disagreement measure 不合度量

Discriminative model 判别模型

Discriminator 判别器

Distance measure 距离度量

Distance metric learning 距离度量学习

Distribution 分布

Divergence 散度

Diversity measure 多样性度量/差异性度量

Domain adaption 领域自适应

Downsampling 下采样

D-separation (Directed separation) 有向分离

Dual problem 对偶问题

Dummy node 哑结点

Dynamic Fusion 动态融合

Dynamic programming 动态规划


Letter E


Eigenvalue decomposition 特征值分解

Embedding 嵌入

Emotional analysis 情绪分析

Empirical conditional entropy 经验条件熵

Empirical entropy 经验熵

Empirical error 经验误差

Empirical risk 经验风险

End-to-End 端到端

Energy-based model 基于能量的模型

Ensemble learning 集成学习

Ensemble pruning 集成修剪

Error Correcting Output Codes/ECOC 纠错输出码

Error rate 错误率

Error-ambiguity decomposition 误差-分歧分解

Euclidean distance 欧氏距离

Evolutionary computation 演化计算

Expectation-Maximization 期望最大化

Expected loss 期望损失

Exploding Gradient Problem 梯度爆炸问题

Exponential loss function 指数损失函数

Extreme Learning Machine/ELM 超限学习机


Letter F


Factorization 因子分解

False negative 假负类

False positive 假正类

False Positive Rate/FPR 假正例率

Feature engineering 特征工程

Feature selection 特征选择

Feature vector 特征向量

Featured Learning 特征学习

Feedforward Neural Networks/FNN 前馈神经网络

Fine-tuning 微调

Flipping output 翻转法

Fluctuation 震荡

Forward stagewise algorithm 前向分步算法

Frequentist 频率主义学派

Full-rank matrix 满秩矩阵

Functional neuron 功能神经元


Letter G


Gain ratio 增益率

Game theory 博弈论

Gaussian kernel function 高斯核函数

Gaussian Mixture Model 高斯混合模型

General Problem Solving 通用问题求解

Generalization 泛化

Generalization error 泛化误差

Generalization error bound 泛化误差上界

Generalized Lagrange function 广义拉格朗日函数

Generalized linear model 广义线性模型

Generalized Rayleigh quotient 广义瑞利商

Generative Adversarial Networks/GAN 生成对抗网络

Generative Model 生成模型

Generator 生成器

Genetic Algorithm/GA 遗传算法

Gibbs sampling 吉布斯采样

Gini index 基尼指数

Global minimum 全局最小

Global Optimization 全局优化

Gradient boosting 梯度提升

Gradient Descent 梯度下降

Graph theory 图论

Ground-truth 真相/真实


Letter H


Hard margin 硬间隔

Hard voting 硬投票

Harmonic mean 调和平均

Hesse matrix 海塞矩阵

Hidden dynamic model 隐动态模型

Hidden layer 隐藏层

Hidden Markov Model/HMM 隐马尔可夫模型

Hierarchical clustering 层次聚类

Hilbert space 希尔伯特空间

Hinge loss function 合页损失函数

Hold-out 留出法

Homogeneous 同质

Hybrid computing 混合计算

Hyperparameter 超参数

Hypothesis 假设

Hypothesis test 假设验证



相关文章
|
11天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
3天前
|
机器学习/深度学习 人工智能 监控
探索人工智能的伦理困境:我们如何确保AI的道德发展?
在人工智能(AI)技术飞速发展的今天,其伦理问题也日益凸显。本文将探讨AI伦理的重要性,分析当前面临的主要挑战,并提出相应的解决策略。我们将通过具体案例和代码示例,深入理解如何在设计和开发过程中嵌入伦理原则,以确保AI技术的健康发展。
19 11
|
14天前
|
机器学习/深度学习 人工智能 算法
人工智能与机器学习的融合之旅
【10月更文挑战第37天】本文将探讨AI和机器学习如何相互交织,共同推动技术发展的边界。我们将深入分析这两个概念,了解它们是如何互相影响,以及这种融合如何塑造我们的未来。文章不仅会揭示AI和机器学习之间的联系,还会通过实际案例展示它们如何协同工作,以解决现实世界的问题。
|
12天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
44 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能与机器学习的边界####
本文深入探讨了人工智能(AI)与机器学习(ML)领域的最新进展,重点分析了深度学习技术如何推动AI的边界不断扩展。通过具体案例研究,揭示了这些技术在图像识别、自然语言处理和自动驾驶等领域的应用现状及未来趋势。同时,文章还讨论了当前面临的挑战,如数据隐私、算法偏见和可解释性问题,并提出了相应的解决策略。 ####
|
17天前
|
机器学习/深度学习 人工智能 安全
人工智能与机器学习在网络安全中的应用
人工智能与机器学习在网络安全中的应用
40 0
|
3天前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
17 8
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的卷积神经网络(CNN)及其在图像识别中的应用
本文旨在通过深入浅出的方式,为读者揭示卷积神经网络(CNN)的神秘面纱,并展示其在图像识别领域的实际应用。我们将从CNN的基本概念出发,逐步深入到网络结构、工作原理以及训练过程,最后通过一个实际的代码示例,带领读者体验CNN的强大功能。无论你是深度学习的初学者,还是希望进一步了解CNN的专业人士,这篇文章都将为你提供有价值的信息和启发。
|
7天前
|
机器学习/深度学习 数据采集 测试技术
深度学习在图像识别中的应用
本篇文章将探讨深度学习在图像识别中的应用。我们将介绍深度学习的基本原理,以及如何使用深度学习进行图像识别。我们将通过一个简单的代码示例来演示如何使用深度学习进行图像识别。这篇文章的目的是帮助读者理解深度学习在图像识别中的作用,并学习如何使用深度学习进行图像识别。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
探索深度学习中的卷积神经网络(CNN)及其在现代应用中的革新
探索深度学习中的卷积神经网络(CNN)及其在现代应用中的革新
下一篇
无影云桌面