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
|
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?
720 0
|
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。
1425 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
|
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。
|
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。
|
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。
1248 65
|
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!
550 6
|
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。
696 18
|
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。
|
机器学习/深度学习 存储 人工智能
AI职场突围战:夸克应用+生成式人工智能认证,驱动“打工人”核心竞争力!
在AI浪潮推动下,生成式人工智能(GAI)成为职场必备工具。文中对比了夸克、豆包、DeepSeek和元宝四大AI应用,夸克以“超级入口”定位脱颖而出。同时,GAI认证为职场人士提供系统学习平台,与夸克结合助力职业发展。文章还探讨了职场人士如何通过加强学习、关注技术趋势及培养合规意识,在AI时代把握机遇。