360导航  >  360AI导航  >  专业术语

人工智能

  • 英文：Artificial Intelligence，缩写为AI
  • 亦称智械、机器智能，指由人制造出来的可以表现出智能的机器。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。该词也指出研究这样的智能系统是否能够实现，以及如何实现。AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。当前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。
  • 更多信息>>

人工神经网络

  • 英文：Artificial Neural Networks，简写为ANNs
  • 一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。
  • 更多信息>>

机器学习

  • 英文：Machine Learning，简称ML
  • 从数据中自动提取模式的一种方法，用于训练计算机模型，以便能够进行预测和决策。
  • 更多信息>>

自编码

  • 英文：autoencoder
  • 一个3层或者大于3层的神经网络，经过训练后能尝试将输入复制到输出。由三部分组成：编码器(encoder)、隐含层(hidden)和解码器(decoder) 。
  • 更多信息>>

生成对抗结构

  • 英文：Generative adversarial networks，简称GAN
  • 基本思想源自博弈论的二人零和博弈，由一个生成器和一个判别器构成，通过对抗学习的方式来训练，目的是估测数据样本的潜在分布并生成新的数据样本。
  • 更多信息>>

Bagging

  • bagging是一种用来提高学习算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将它们组合成一个预测函数。Bagging要求"不稳定"(不稳定是指数据集的小的变动能够使得分类结果的显著的变动)的分类方法。
  • 更多信息>>

大数据

  • 英文：big data、mega data
  • 以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，最早应用于IT行业，目前正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。
  • 更多信息>>

Boosting

  • 一种用来提高弱分类算法准确度的方法，这种方法通过构造一个预测函数系列，然后以一定的方式将他们组合成一个预测函数。它的思想起源于 Valiant提出的 PAC ( Probably Approxi mately Correct)学习模型。
  • 更多信息>>

ChatGPT

  • ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。
  • 更多信息>>

认知计算

  • 英文：Cognitive Computing
  • 认知计算是认知科学的核心技术子领域之一，是人工智能的重要组成部分，是模拟人脑认知过程的计算机系统。认知计算代表一种全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化数据中揭示非凡的洞察。认知系统能够以对人类而言更加自然的方式与人类交互;认知系统专门获取海量的不同类型的数据，根据信息进行推论;从自身与数据、与人们的交互中学习。
  • 更多信息>>

计算机视觉

  • 英文：Computer Vision
  • 用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取'信息'的人工智能系统。
  • 更多信息>>

卷积神经网络

  • 英文：Convolutional Neural Network。简称CNN。
  • 一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一 。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络” 。
  • 更多信息>>

交叉验证

  • 英文：Cross validation
  • 主要用于建模应用中，例如PCR 、PLS回归建模中。在给定的建模样本中，拿出大部分样本进行建模型，留小部分样本用刚建立的模型进行预报，并求这小部分样本的预报误差，记录它们的平方加和。
  • 更多信息>>

数据挖掘

  • 英文：Data mining
  • 指从大量的数据中通过算法搜索隐藏于其中信息的过程，通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现目标。
  • 更多信息>>

数据科学

  • 英文：Data Science
  • 使用数学、统计学和计算机科学等工具来分析和解决现实世界中的数据问题。
  • 更多信息>>

数据预处理

  • 英文：Data preprocessing
  • 在进行机器学习或数据挖掘之前，对原始数据进行处理，包括数据清洗、特征选择等。
  • 更多信息>>

特征工程

  • 英文：Feature engineering
  • 从原始数据中选择和创建信息丰富且相关的特征，用于机器学习模型的训练。
  • 更多信息>>

特征提取

  • 英文：feature extraction
  • 计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。
  • 更多信息>>

特征选择

  • 英文：Feature selection
  • 从原始特征中选择出一些最有效特征以降低数据集维度的过程，是提高学习算法性能的一个重要手段，也是模式识别中关键的数据预处理步骤。
  • 更多信息>>

决策树

  • 英文：Decision Tree
  • 在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。
  • 更多信息>>

深度学习

  • 英文：deep learning
  • 机器学习的一个子领域，涉及训练多层神经网络以自主学习和做出决策。
  • 更多信息>>

深度梦境

  • 英文：Deep dream
  • 由谷歌开发的一种图像生成技术，使用卷积神经网络放大网络的特征，生成梦境般的图像。
  • 更多信息>>

分类

  • 英文：Classification
  • 将数据分为预定义的类别或组的过程。
  • 更多信息>>

聚类

  • 英文：Clustering
  • 基于相似性或共同特征将数据点分组的过程。
  • 更多信息>>

降维

  • 英文：dimensionality reduction
  • 通过单幅图像数据的高维化，对单幅图像转化为高维空间中的数据集合进行的一种操作。
  • 更多信息>>

折扣因子

  • 英文：Discount factor
  • 在强化学习算法中，未来的回报会通过一个折扣因子进行折现，以平衡短期和长期回报之间的权衡。

动态规划

  • 英文：Dynamic Programming
  • 一种通过将优化问题分解成较小的子问题并将这些子问题的解存储在表或数组中来解决问题的方法。
  • 更多信息>>

集成学习

  • 英文：Ensemble Learning
  • 把若干个单个分类器集成起来，通过对多个分类器的分类结果进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。
  • 更多信息>>

回合

  • 英文：Episode
  • 强化学习问题中，智能体在到达终止状态之前经历的状态、动作和奖励的序列。

进化计算

  • 英文：Evolutionary Computation
  • 智能计算中涉及到组合优化问题的一个子域。其算法是受生物进化过程中"优胜劣汰"的自然选择机制和遗传信息的传递规律的影响，通过程序迭代模拟这一过程，把要解决的问题看作环境，在一些可能的解组成的种群中，通过自然演化寻求最优解 。
  • 更多信息>>

专家系统

  • 英文：Expert system
  • 一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。属于人工智能的一个发展分支，专家系统的研究目标是模拟人类专家的推理思维过程。一般是将领域专家的知识和经验，用一种知识表达模式存入计算机。系统对输入的事实进行推理，做出判断和决策。
  • 更多信息>>

探索-利用权衡

  • 英文：Exploration-exploitation tradeoff
  • 强化学习中探索新动作和利用已知好动作之间的张力，以平衡智能体的学习和奖励最大化目标。

人脸识别

  • 英文：Face recognition
  • 基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。
  • 更多信息>>

微调

  • 英文：Fine-tuning
  • 一种机器学习技术，涉及调整预先训练的模型在新数据集上的超参数或参数，以优化其在特定任务上的性能。当预先训练的模型可用于相关任务，但新任务的可用数据有限或目标任务与原始任务略有不同时，通常使用微调。

函数逼近

  • 英文：Function approximation
  • 在强化学习问题中，当状态或行动空间过大无法显式表示时，使用函数逼近来逼近值函数或策略的值。

模糊逻辑

  • 英文：Fuzzy logic
  • 一种数学逻辑形式，允许系统的输入和输出存在不确定性和模糊性。

生成式对抗网络

  • 英文：Generative Adversarial Networks，简称GAN
  • 一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。
  • 更多信息>>

生成模型

  • 英文：Generative model
  • 用来直接对数据建模（例如根据某个变量的概率密度函数进行数据采样），也可以用来建立变量间的条件概率分布。
  • 更多信息>>

遗传算法

  • 英文：Genetic Algorithm
  • 用于解决最佳化的搜索算法，是进化算法的一种。通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。
  • 更多信息>>

启发式算法

  • 英文：Heuristics
  • 一个基于直观或经验构造的算法，在可接受的花费(指计算时间和空间)下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。
  • 更多信息>>

超参数

  • 英文：hyperparameter
  • 在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。
  • 更多信息>>

图像自动标注

  • 英文：Automatic Image Annotation
  • 由计算机系统自动通过图片说明或关键词的形式分配元数据给一张数字图像的过程。这个计算机视觉技术的应用被用在图像检索系统来对数据库组织和定位感兴趣的图像。
  • 更多信息>>

图像字幕

  • 英文：Image captioning
  • 生成图像的自然语言描述的过程。

图像分类

  • 英文：image classification
  • 根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读。
  • 更多信息>>

图像着色

  • 英文：Image colorization
  • 为灰度图像添加颜色的过程。

图像增强

  • 英文：image enhancement
  • 将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
  • 更多信息>>

图像生成

  • 英文：Image generation
  • 使用人工智能技术创建新的合成图像的过程。

图像预处理

  • 英文：Image preprocessing
  • 将每一个文字图像分检出来交给识别模块识别的过程。
  • 更多信息>>

图像恢复

  • 英文：Image restoration
  • 对质量下降的图像加以重建或恢复的处理过程。
  • 更多信息>>

图像检索

  • 英文：Image retrieval
  • 包括基于文本的图像检索和基于内容的图像检索。主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出。
  • 更多信息>>

图像分割

  • Image segmentation
  • 把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。
  • 更多信息>>

图像翻译

  • 英文：Image-to-image translation
  • 将图像从一个领域转换为另一个领域的过程，例如将照片转换成绘画或素描。

图像修复

  • 英文：Inpainting
  • 对受到损坏的图像进行修复重建或者去除图像中的多余物体。
  • 更多信息>>

K均值

  • 英文：K-means
  • K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。
  • 更多信息>>

知识表示

  • 英文：knowledge representation
  • 把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。知识表示是知识组织的前提和基础，任何知识组织方法都是要建立在知识表示的基础上。知识表示有主观知识表示和客观知识表示两种。
  • 更多信息>>

语言模型

  • 英文：language model
  • 根据语言客观事实而进行的语言抽象数学建模，是一种对应关系。语言模型与语言客观事实之间的关系，如同数学上的抽象直线与具体直线之间的关系。
  • 更多信息>>

马尔可夫决策过程

  • 英文：Markov Decision Processes
  • 基于马尔可夫过程理论的随机动态系统的最优决策过程，是序贯决策的主要研究领域。它是马尔可夫过程与确定性的动态规划相结合的产物，故又称马尔可夫型随机动态规划，属于运筹学中数学规划的一个分支。
  • 更多信息>>

马尔可夫性质

  • 英文：Markov property
  • 概率论中的一个概念，因为俄国数学家安德雷·马尔可夫得名。当一个随机过程在给定现在状态及所有过去状态情况下，其未来状态的条件概率分布仅依赖于当前状态；换句话说，在给定现在状态时，它与过去状态(即该过程的历史路径)是条件独立的，那么此随机过程即具有马尔可夫性质。具有马尔可夫性质的过程通常称之为马尔可夫过程。
  • 更多信息>>

模型

  • 英文：Model
  • 用于表示问题或系统的抽象结构，可用于预测、决策或发现数据中的模式。在机器学习中，模型是根据不同算法（如监督学习、无监督学习或强化学习）对数据集进行训练而得到的，用于执行各种任务，如分类、回归、聚类或降维。

模型部署

  • 英文：Model deployment
  • 将训练好的机器学习模型应用于生产环境的过程，例如部署到Web服务器或集成到应用程序中。

模型评估

  • 英文：Model evaluation
  • 通过使用诸如精度、精确度和召回率等指标，对机器学习模型在特定任务上的性能进行度量的过程。

蒙特·卡罗方法

  • 英文：Monte Carlo method
  • 也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。
  • 更多信息>>

自然语言处理

  • 英文：natural language processing，缩写NLP
  • 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言,所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。
  • 更多信息>>

人工神经网络

  • 英文：Artificial Neural Networks，简写为ANNs
  • 种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。
  • 更多信息>>

归一化

  • 英文：normalization
  • 一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量。 在多种计算中都经常用到这种方法。
  • 更多信息>>

目标检测

  • 英文：Object detection
  • 也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。
  • 更多信息>>

本体论

  • 英文：Ontology
  • 哲学概念，是探究世界的本原或基质的哲学理论。近几十年里，这个词被应用到计算机界，并在人工智能、计算机语言以及数据库理论中起到越来越重要的作用。
  • https://baike.so.com/doc/5827133-6039952.html#5827133-6039952-3更多信息>>

过拟合

  • 英文：Overfitting
  • 为了得到一致假设而使假设变得过度复杂称为过拟合。避免过拟合是分类器设计中的一个核心任务。通常采用增大数据量和测试样本集的方法对分类器性能进行评价。
  • 更多信息>>

模式识别

  • 英文：Pattern recognition
  • 用计算的方法根据样本的特征将样本划分到一定的类别中去。模式识别以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向，研究人类模式识别的机理以及有效的计算方法。
  • 更多信息>>

策略迭代法

  • 英文：policy iteration method
  • 动态规划中求最优策略的基本方法之一。它借助于动态规划基本方程，交替使用"求值计算"和"策略改进"两个步骤，求出逐次改进的、最终达到或收敛于最优策略的策略序列。
  • 更多信息>>

预处理

  • 英文：preprocessing
  • 在程序源代码被翻译为目标代码的过程中，生成二进制代码之前的过程。
  • 更多信息>>

Q-learning

  • 一种强化学习算法，学习估计给定状态下每个动作的未来预期奖励的动作价值函数，也称为Q函数。

循环神经网络

  • 英文：Recurrent Neural Network, RNN
  • 一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络。
  • 更多信息>>

强化学习

  • 英文：Reinforcement Learning, RL
  • 又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。
  • 更多信息>>

人类反馈强化学习

  • 英文：Reinforcement Learning From Human Feedback
  • 一种机器学习技术，人工智能系统通过人类用户或教练提供的反馈或奖励进行学习。

规划

  • 英文：Planning
  • 确定实现特定目标的行动方案的过程。

推理

  • 英文：Reasoning
  • 根据证据和逻辑论证得出结论的过程。

回归

  • 英文：Regression
  • 一种机器学习技术，基于一组输入特征预测连续数值。

奖励函数

  • 英文：Reward function
  • 定义代理在强化学习问题中接受行动的奖励或惩罚的函数。

SARSA

  • 一种强化学习算法，使用预期奖励和下一个动作的价值来学习动作价值函数，而不是像Q-learning一样使用最终奖励。

语义网

  • 英文：Semantic Web
  • 对未来网络的一个设想，现在与Web 3.0这一概念结合在一起，作为3.0网络时代的特征之一。简单地说，语义网是一种智能网络，它不但能够理解词语和概念，而且还能够理解它们之间的逻辑关系，可以使交流变得更有效率和价值。
  • 更多信息>>

状态空间

  • 英文：State space
  • 一个以状态变量为坐标轴的空间，因此系统的状态可以表示为此空间中的一个向量。
  • 更多信息>>

风格迁移

  • 英文：Style transfer
  • 将一张图像的风格转移到另一张图像上的过程，同时保留第二张图像的内容。

超分辨率

  • 英文：Super-Resolution
  • 通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。
  • 更多信息>>

支持向量机

  • 英文：Support vector machine
  • 与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。
  • 更多信息>>

时序差分学习

  • 英文：Temporal difference learning
  • 一种强化学习算法，利用时间差异误差（即预测价值与实际未来奖励之间的差异）来更新动作价值函数。

文本到图像模型

  • 英文：Text-to-image model
  • 一种基于自然语言描述生成图像的机器学习系统。

训练

  • 英文：Training
  • 指从数据中学习以提高模型或系统性能的过程。训练是机器学习的基本组成部分，涉及将数据集馈送给模型并调整其参数或权重以优化其针对特定任务的性能。

轨迹

  • 英文：Trajectory
  • 在强化学习问题中代理人所遵循的状态和动作序列。

迁移学习

  • 英文：Transfer learning
  • 一种机器学习技术，指在一个任务上训练的模型能够通过微调或适应应用到一个相关的任务上。

过拟合

  • 英文：Overfitting
  • 为了得到一致假设而使假设变得过度复杂。
  • 更多信息>>

欠拟合

  • 英文：underfitting
  • 一种现象，当机器学习模型在训练数据和新的未见数据上表现不佳时，这意味着模型过于简单，无法捕捉数据中的潜在模式。
  • 更多信息>>

正则化

  • 英文：Regularization
  • 一种方法，用于减少模型过度拟合的程度。

值迭代

  • 英文：Value iteration
  • 一种强化学习算法，通过迭代地改进值函数，直到值函数收敛到最优值函数。

变分自编码器

  • 英文：Variational autoencoder
  • 一种生成模型，包括编码器网络和解码器网络。编码器将输入数据映射到潜在表示，解码器将潜在表示映射回原始数据空间。

监督学习

  • 英文：supervised learning
  • 利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。
  • 更多信息>>

非监督学习

  • 英文：unsupervised learing;non-supervised
  • 训练模型时只提供输入数据，模型需要自己发现数据的结构和模式。
  • 更多信息>>

梯度下降

  • 英文：steepest descent (gradient descent)
  • 梯度下降法是一个最优化算法，通常也称为最速下降法，是求解无约束优化问题最简单和最古老的方法之一，虽然现在已经不具有实用性，但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的，最速下降法越接近目标值，步长越小，前进越慢。
  • 更多信息>>

损失函数

  • 英文：Loss function
  • 用于衡量机器学习模型预测结果与真实结果之间的差异。

学习率

  • 英文：Learning rate
  • 控制梯度下降算法中参数调整的速度。

批量梯度下降

  • 英文：Batch gradient descent
  • 一种梯度下降方法，它在每个训练步骤中使用全部训练集。

随机梯度下降

  • 英文：Stochastic gradient descent
  • 一种梯度下降方法，它在每个训练步骤中仅使用一个样本。

小批量梯度下降

  • 英文：Mini-batch gradient descent
  • 一种梯度下降方法，它在每个训练步骤中使用一小批量的样本。

激活函数

  • 英文：Activation Function
  • 在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。
  • 更多信息>>