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
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1623 55
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
822 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
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?
761 0
|
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。
1058 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
|
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。
921 15
|
机器学习/深度学习 资源调度 算法
机器学习领域必知数学符号与概念(一)
本文介绍了一些数学符号以及这些符号的含义。
1339 65
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
1558 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 运维
AI“捕风捉影”:深度学习如何让网络事件检测更智能?
AI“捕风捉影”:深度学习如何让网络事件检测更智能?
659 8
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
934 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能

热门文章

最新文章