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)(六)

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!

Letter I


ICML 国际机器学习会议

Improved iterative scaling/IIS 改进的迭代尺度法

Incremental learning 增量学习

Independent and identically distributed/i.i.d. 独立同分布

Independent Component Analysis/ICA 独立成分分析

Indicator function 指示函数

Individual learner 个体学习器

Induction 归纳

Inductive bias 归纳偏好

Inductive learning 归纳学习

Inductive Logic Programming/ILP 归纳逻辑程序设计

Information entropy 信息熵

Information gain 信息增益

Input layer 输入层

Insensitive loss 不敏感损失

Inter-cluster similarity 簇间相似度

International Conference for Machine Learning/ICML 国际机器学习大会

Intra-cluster similarity 簇内相似度

Intrinsic value 固有值

Isometric Mapping/Isomap 等度量映射

Isotonic regression 等分回归

Iterative Dichotomiser 迭代二分器


Letter K


Kernel method 核方法

Kernel trick 核技巧

Kernelized Linear Discriminant Analysis/KLDA 核线性判别分析

K-fold cross validation k 折交叉验证/k 倍交叉验证

K-Means Clustering K – 均值聚类

K-Nearest Neighbours Algorithm/KNN K近邻算法

Knowledge base 知识库

Knowledge Representation 知识表征


Letter L


Label space 标记空间

Lagrange duality 拉格朗日对偶性

Lagrange multiplier 拉格朗日乘子

Laplace smoothing 拉普拉斯平滑

Laplacian correction 拉普拉斯修正

Latent Dirichlet Allocation 隐狄利克雷分布

Latent semantic analysis 潜在语义分析

Latent variable 隐变量

Lazy learning 懒惰学习

Learner 学习器

Learning by analogy 类比学习

Learning rate 学习率

Learning Vector Quantization/LVQ 学习向量量化

Least squares regression tree 最小二乘回归树

Leave-One-Out/LOO 留一法

linear chain conditional random field 线性链条件随机场

Linear Discriminant Analysis/LDA 线性判别分析

Linear model 线性模型

Linear Regression 线性回归

Link function 联系函数

Local Markov property 局部马尔可夫性

Local minimum 局部最小

Log likelihood 对数似然

Log odds/logit 对数几率

Logistic Regression Logistic 回归

Log-likelihood 对数似然

Log-linear regression 对数线性回归

Long-Short Term Memory/LSTM 长短期记忆

Loss function 损失函数


Letter M


Machine translation/MT 机器翻译

Macron-P 宏查准率

Macron-R 宏查全率

Majority voting 绝对多数投票法

Manifold assumption 流形假设

Manifold learning 流形学习

Margin theory 间隔理论

Marginal distribution 边际分布

Marginal independence 边际独立性

Marginalization 边际化

Markov Chain Monte Carlo/MCMC 马尔可夫链蒙特卡罗方法

Markov Random Field 马尔可夫随机场

Maximal clique 最大团

Maximum Likelihood Estimation/MLE 极大似然估计/极大似然法

Maximum margin 最大间隔

Maximum weighted spanning tree 最大带权生成树

Max-Pooling 最大池化

Mean squared error 均方误差

Meta-learner 元学习器

Metric learning 度量学习

Micro-P 微查准率

Micro-R 微查全率

Minimal Description Length/MDL 最小描述长度

Minimax game 极小极大博弈

Misclassification cost 误分类成本

Mixture of experts 混合专家

Momentum 动量

Moral graph 道德图/端正图

Multi-class classification 多分类

Multi-document summarization 多文档摘要

Multi-layer feedforward neural networks 多层前馈神经网络

Multilayer Perceptron/MLP 多层感知器

Multimodal learning 多模态学习

Multiple Dimensional Scaling 多维缩放

Multiple linear regression 多元线性回归

Multi-response Linear Regression /MLR 多响应线性回归

Mutual information 互信息


Letter N


Naive bayes 朴素贝叶斯

Naive Bayes Classifier 朴素贝叶斯分类器

Named entity recognition 命名实体识别

Nash equilibrium 纳什均衡

Natural language generation/NLG 自然语言生成

Natural language processing 自然语言处理

Negative class 负类

Negative correlation 负相关法

Negative Log Likelihood 负对数似然

Neighbourhood Component Analysis/NCA 近邻成分分析

Neural Machine Translation 神经机器翻译

Neural Turing Machine 神经图灵机

Newton method 牛顿法

NIPS 国际神经信息处理系统会议

No Free Lunch Theorem/NFL 没有免费的午餐定理

Noise-contrastive estimation 噪音对比估计

Nominal attribute 列名属性

Non-convex optimization 非凸优化

Nonlinear model 非线性模型

Non-metric distance 非度量距离

Non-negative matrix factorization 非负矩阵分解

Non-ordinal attribute 无序属性

Non-Saturating Game 非饱和博弈

Norm 范数

Normalization 归一化

Nuclear norm 核范数

Numerical attribute 数值属性


Letter O


Objective function 目标函数

Oblique decision tree 斜决策树

Occam’s razor 奥卡姆剃刀

Odds 几率

Off-Policy 离策略

One shot learning 一次性学习

One-Dependent Estimator/ODE 独依赖估计

On-Policy 在策略

Ordinal attribute 有序属性

Out-of-bag estimate 包外估计

Output layer 输出层

Output smearing 输出调制法

Overfitting 过拟合/过配

Oversampling 过采样


Letter P


Paired t-test 成对 t 检验

Pairwise 成对型

Pairwise Markov property 成对马尔可夫性

Parameter 参数

Parameter estimation 参数估计

Parameter tuning 调参

Parse tree 解析树

Particle Swarm Optimization/PSO 粒子群优化算法

Part-of-speech tagging 词性标注

Perceptron 感知机

Performance measure 性能度量

Plug and Play Generative Network 即插即用生成网络

Plurality voting 相对多数投票法

Polarity detection 极性检测

Polynomial kernel function 多项式核函数

Pooling 池化

Positive class 正类

Positive definite matrix 正定矩阵

Post-hoc test 后续检验

Post-pruning 后剪枝

potential function 势函数

Precision 查准率/准确率

Prepruning 预剪枝

Principal component analysis/PCA 主成分分析

Principle of multiple explanations 多释原则

Prior 先验

Probability Graphical Model 概率图模型

Proximal Gradient Descent/PGD 近端梯度下降

Pruning 剪枝

Pseudo-label 伪标记


Letter Q


Quantized Neural Network 量子化神经网络

Quantum computer 量子计算机

Quantum Computing 量子计算

Quasi Newton method 拟牛顿法


Letter R


Radial Basis Function/RBF 径向基函数

Random Forest Algorithm 随机森林算法

Random walk 随机漫步

Recall 查全率/召回率

Receiver Operating Characteristic/ROC 受试者工作特征

Rectified Linear Unit/ReLU 线性修正单元

Recurrent Neural Network 循环神经网络

Recursive neural network 递归神经网络

Reference model 参考模型

Regression 回归

Regularization 正则化

Reinforcement learning/RL 强化学习

Representation learning 表征学习

Representer theorem 表示定理

reproducing kernel Hilbert space/RKHS 再生核希尔伯特空间

Re-sampling 重采样法

Rescaling 再缩放

Residual Mapping 残差映射

Residual Network 残差网络

Restricted Boltzmann Machine/RBM 受限玻尔兹曼机

Restricted Isometry Property/RIP 限定等距性

Re-weighting 重赋权法

Robustness 稳健性/鲁棒性

Root node 根结点

Rule Engine 规则引擎

Rule learning 规则学习


Letter S


Saddle point 鞍点

Sample space 样本空间

Sampling 采样

Score function 评分函数

Self-Driving 自动驾驶

Self-Organizing Map/SOM 自组织映射

Semi-naive Bayes classifiers 半朴素贝叶斯分类器

Semi-Supervised Learning 半监督学习

semi-Supervised Support Vector Machine 半监督支持向量机

Sentiment analysis 情感分析

Separating hyperplane 分离超平面

Sigmoid function Sigmoid 函数

Similarity measure 相似度度量

Simulated annealing 模拟退火

Simultaneous localization and mapping 同步定位与地图构建

Singular Value Decomposition 奇异值分解

Slack variables 松弛变量

Smoothing 平滑

Soft margin 软间隔

Soft margin maximization 软间隔最大化

Soft voting 软投票

Sparse representation 稀疏表征

Sparsity 稀疏性

Specialization 特化

Spectral Clustering 谱聚类

Speech Recognition 语音识别

Splitting variable 切分变量

Squashing function 挤压函数

Stability-plasticity dilemma 可塑性-稳定性困境

Statistical learning 统计学习

Status feature function 状态特征函

Stochastic gradient descent 随机梯度下降

Stratified sampling 分层采样

Structural risk 结构风险

Structural risk minimization/SRM 结构风险最小化

Subspace 子空间

Supervised learning 监督学习/有导师学习

support vector expansion 支持向量展式

Support Vector Machine/SVM 支持向量机

Surrogat loss 替代损失

Surrogate function 替代函数

Symbolic learning 符号学习

Symbolism 符号主义

Synset 同义词集


Letter T


T-Distribution Stochastic Neighbour Embedding/t-SNE T – 分布随机近邻嵌入

Tensor 张量

Tensor Processing Units/TPU 张量处理单元

The least square method 最小二乘法

Threshold 阈值

Threshold logic unit 阈值逻辑单元

Threshold-moving 阈值移动

Time Step 时间步骤

Tokenization 标记化

Training error 训练误差

Training instance 训练示例/训练例

Transductive learning 直推学习

Transfer learning 迁移学习

Treebank 树库

Tria-by-error 试错法

True negative 真负类

True positive 真正类

True Positive Rate/TPR 真正例率

Turing Machine 图灵机

Twice-learning 二次学习


Letter U


Underfitting 欠拟合/欠配

Undersampling 欠采样

Understandability 可理解性

Unequal cost 非均等代价

Unit-step function 单位阶跃函数

Univariate decision tree 单变量决策树

Unsupervised learning 无监督学习/无导师学习

Unsupervised layer-wise training 无监督逐层训练

Upsampling 上采样


Letter V


Vanishing Gradient Problem 梯度消失问题

Variational inference 变分推断

VC Theory VC维理论

Version space 版本空间

Viterbi algorithm 维特比算法

Von Neumann architecture 冯 · 诺伊曼架构


Letter W


Wasserstein GAN/WGAN Wasserstein生成对抗网络

Weak learner 弱学习器

Weight 权重

Weight sharing 权共享

Weighted voting 加权投票法

Within-class scatter matrix 类内散度矩阵

Word embedding 词嵌入

Word sense disambiguation 词义消歧


Letter Z


Zero-data learning 零数据学习

Zero-shot learning 零次学习



相关文章
|
8天前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
36 3
|
14天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
44 6
|
15天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
15天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
8天前
|
机器学习/深度学习 人工智能 弹性计算
阿里云AI服务器价格表_GPU服务器租赁费用_AI人工智能高性能计算推理
阿里云AI服务器提供多种配置选项,包括CPU+GPU、CPU+FPGA等组合,支持高性能计算需求。本文汇总了阿里云GPU服务器的价格信息,涵盖NVIDIA A10、V100、T4、P4、P100等多款GPU卡,适用于人工智能、机器学习和深度学习等场景。详细价格表和实例规格见文内图表。
|
22天前
|
机器学习/深度学习 自然语言处理 算法
机器学习和深度学习之间的区别
机器学习和深度学习在实际应用中各有优势和局限性。机器学习适用于一些数据量较小、问题相对简单、对模型解释性要求较高的场景;而深度学习则在处理大规模、复杂的数据和任务时表现出色,但需要更多的计算资源和数据,并且模型的解释性较差。在实际应用中,需要根据具体的问题和需求,结合两者的优势,选择合适的方法来解决问题。
50 0
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
浅谈机器学习与深度学习的区别
浅谈机器学习与深度学习的区别
44 0
|
24天前
|
机器学习/深度学习 人工智能 数据可视化
深度学习之可解释人工智能(Explainable AI,XAI)
可解释人工智能(XAI)是一个旨在使AI决策过程透明和可理解的研究领域。随着AI和机器学习技术在多个行业中的应用变得越来越广泛,其决策过程的透明度和可解释性变得极其重要。
43 0
|
2天前
|
机器学习/深度学习 人工智能 搜索推荐
深度探索人工智能在医疗影像诊断中的应用与挑战####
本文深入剖析了人工智能(AI)技术,特别是深度学习算法在医疗影像诊断领域的创新应用,探讨其如何重塑传统诊断流程,提升诊断效率与准确性。同时,文章也客观分析了当前AI医疗影像面临的主要挑战,包括数据隐私、模型解释性及临床整合难题,并展望了未来发展趋势。 ####
|
1天前
|
机器学习/深度学习 人工智能 自动驾驶
探索人工智能的无限可能:从基础概念到实际应用
【10月更文挑战第35天】在这篇文章中,我们将一起走进人工智能的世界,探索它的无限可能。从基础概念出发,我们将深入理解人工智能的定义、发展历程以及主要技术。然后,我们将通过具体的代码示例,展示如何利用Python和TensorFlow实现一个简单的人工智能模型。最后,我们将探讨人工智能在现实世界中的应用,包括自动驾驶、医疗健康、金融等领域,并思考其未来发展的可能性。让我们一起开启这场人工智能的奇妙之旅吧!
10 1
下一篇
无影云桌面