当前位置: article > 正文

深度学习名词（中英文对照）_annotations在深度学习中一般翻译为什么

作者：小小林熬夜学编程 | 2024-06-07 23:48:35

踩

annotations在深度学习中一般翻译为什么

主要内容来自于孙逊等人对斯坦福大学深度学习教程UFLDL Tutorial的翻译，并在此基础上不断补充和修订。

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

转自：https://zhuanlan.zhihu.com/p/21284064

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/687539