人工智能术语翻译(四)
文章目录
- 摘要
- M
- N
- O
- P
摘要
人工智能术语翻译第四部分,包括I、J、K、L开头的词汇!

M
| 英文术语 | 中文翻译 | 常用缩写 | 备注 |
|---|---|---|---|
| Machine Learning Model | 机器学习模型 | ||
| Machine Learning | 机器学习 | ML | 机器学习 |
| Machine Translation | 机器翻译 | MT | |
| Macro Average | 宏平均 | ||
| Macro-F1 | 宏F1 | ||
| Macro-P | 宏查准率 | ||
| Macron-R | 宏查全率 | ||
| Mahalanobis Distance | 马哈拉诺比斯距离 | ||
| Main Diagonal | 主对角线 | ||
| Majority Voting | 绝对多数投票 | ||
| Majority Voting Rule | 多数表决规则 | ||
| Manhattan Distance | 曼哈顿距离 | ||
| Manifold | 流形 | ||
| Manifold Assumption | 流形假设 | ||
| Manifold Learning | 流形学习 | ||
| Manifold Tangent Classifier | 流形正切分类器 | ||
| Margin | 间隔 | 统计 | |
| Margin Theory | 间隔理论 | ||
| Marginal Distribution | 边缘分布 | ||
| Marginal Independence | 边缘独立性 | ||
| Marginal Likelihood | 边缘似然函数 | ||
| Marginal Probability Distribution | 边缘概率分布 | ||
| Marginalization | 边缘化 | ||
| Markov Blanket | 马尔可夫毯 | ||
| Markov Chain | 马尔可夫链 | ||
| Markov Chain Monte Carlo | 马尔可夫链蒙特卡罗 | MCMC | |
| Markov Decision Process | 马尔可夫决策过程 | MDP | |
| Markov Network | 马尔可夫网络 | ||
| Markov Process | 马尔可夫过程 | ||
| Markov Property | 马尔可夫性质 | ||
| Markov Random Field | 马尔可夫随机场 | MRF | |
| Mask | 掩码 | ||
| Mask Language Modeling | 掩码语言模型化 | ||
| Masked Self-Attention | 掩蔽自注意力 | ||
| Mathematical Optimization | 数学优化 | ||
| Matrix | 矩阵 | ||
| Matrix Calculus | 矩阵微积分 | ||
| Matrix Completion | 矩阵补全 | ||
| Matrix Decomposition | 矩阵分解 | ||
| Matrix Inversion | 逆矩阵 | ||
| Matrix Product | 矩阵乘积 | ||
| Max Norm | 最大范数 | ||
| Max Pooling | 最大汇聚 | ||
| Maxima | 极大值 | ||
| Maximal Clique | 最大团 | ||
| Maximization | 极大 | ||
| Maximization Step | M步 | ||
| Maximization-Maximization Algorithm | 极大-极大算法 | ||
| Maximum A Posteriori | 最大后验 | ||
| Maximum A Posteriori Estimation | 最大后验估计 | MAP | |
| Maximum Entropy Model | 最大熵模型 | ||
| Maximum Likelihood | 极大似然 | ||
| Maximum Likelihood Estimation | 极大似然估计 | MLE | |
| Maximum Likelihood Method | 极大似然法 | ||
| Maximum Margin | 最大间隔 | ||
| Maximum Mean Discrepancy | 最大平均偏差 | ||
| Maximum Posterior Probability Estimation | 最大后验概率估计 | MAP | |
| Maximum Weighted Spanning Tree | 最大带权生成树 | ||
| Maxout | Maxout | ||
| Maxout Unit | Maxout单元 | ||
| Mean | 均值 | ||
| Mean Absolute Error | 平均绝对误差 | ||
| Mean And Covariance RBM | 均值和协方差RBM | ||
| Mean Filed | 平均场 | ||
| Mean Filter | 均值滤波 | ||
| Mean Pooling | 平均汇聚 | ||
| Mean Product of Student t-Distribution | 学生 t 分布均值乘积 | ||
| Mean Squared Error | 均方误差 | ||
| Mean-Covariance Restricted Boltzmann Machine | 均值-协方差受限玻尔兹曼机 | ||
| Mean-Field | 平均场 | ||
| Meanfield | 均匀场 | ||
| Measure Theory | 测度论 | ||
| Measure Zero | 零测度 | ||
| Median | 中位数 | ||
| Memory | 记忆 | ||
| Memory Augmented Neural Network | 记忆增强神经网络 | MANN | |
| Memory Capacity | 记忆容量 | ||
| Memory Cell | 记忆元 | ||
| Memory Network | 记忆网络 | MN | |
| Memory Segment | 记忆片段 | ||
| Mercer Kernel | Mercer 核 | ||
| Message | 消息 | ||
| Message Passing | 消息传递 | ||
| Message Passing Neural Network | 消息传递神经网络 | MPNN | |
| Meta-Learner | 元学习器 | ||
| Meta-Learning | 元学习 | ||
| Meta-Optimization | 元优化 | ||
| Meta-Rule | 元规则 | ||
| Metric | 指标 | ||
| Metric Learning | 度量学习 | ||
| Micro Average | 微平均 | ||
| Micro-F1 | 微F1 | ||
| Micro-P | 微査准率 | ||
| Micro-R | 微查全率 | ||
| Min-Max Normalization | 最小最大值规范化 | ||
| Mini-Batch Gradient | 小批量梯度 | ||
| Mini-Batch Gradient Descent | 小批量梯度下降法 | ||
| Mini-Batch SGD | 小批次随机梯度下降 | ||
| Minibatch | 小批量 | ||
| Minibatch Stochastic | 小批量随机 | ||
| Minima | 极小值 | ||
| Minimal Description Length | 最小描述长度 | MDL | |
| Minimax Game | 极小极大博弈 | ||
| Minimum | 极小点 | ||
| Minkowski Distance | 闵可夫斯基距离 | ||
| Misclassification Cost | 误分类代价 | ||
| Mixing | 混合 | ||
| Mixing Time | 混合时间 | ||
| Mixture Density Network | 混合密度网络 | ||
| Mixture Distribution | 混合分布 | ||
| Mixture of Experts | 混合专家模型 | ||
| Mixture-of-Gaussian | 高斯混合 | ||
| Modality | 模态 | ||
| Mode | 峰值 | ||
| Model | 模型 | ||
| Model Averaging | 模型平均 | ||
| Model Collapse | 模型坍塌 | ||
| Model Complexity | 模型复杂度 | ||
| Model Compression | 模型压缩 | ||
| Model Identifiability | 模型可辨识性 | ||
| Model Parallelism | 模型并行 | ||
| Model Parameter | 模型参数 | ||
| Model Predictive Control | 模型预测控制 | MPC | |
| Model Selection | 模型选择 | ||
| Model-Agnostic Meta-Learning | 模型无关的元学习 | MAML | |
| Model-Based Learning | 有模型学习 | ||
| Model-Based Reinforcement Learning | 基于模型的强化学习 | ||
| Model-Free Learning | 免模型学习 | ||
| Model-Free Reinforcement Learning | 模型无关的强化学习 | ||
| Moment | 矩 | ||
| Moment Matching | 矩匹配 | ||
| Momentum | 动量 | ||
| Momentum Method | 动量法 | ||
| Monte Carlo | 蒙特卡罗 | ||
| Monte Carlo Estimate | 蒙特卡罗估计 | ||
| Monte Carlo Integration | 蒙特卡罗积分 | ||
| Monte Carlo Method | 蒙特卡罗方法 | ||
| Moore’s Law | 摩尔定律 | ||
| Moore-Penrose Pseudoinverse | Moore-Penrose 伪逆 | ||
| Moral Graph | 端正图/道德图 | ||
| Moralization | 道德化 | ||
| Most General Unifier | 最一般合一置换 | ||
| Moving Average | 移动平均 | MA | |
| Multi-Armed Bandit Problem | 多臂赌博机问题 | ||
| Multi-Class Classification | 多分类 | ||
| Multi-Classifier System | 多分类器系统 | ||
| Multi-Document Summarization | 多文档摘要 | ||
| Multi-Head Attention | 多头注意力 | ||
| Multi-Head Self-Attention | 多头自注意力 | ||
| Multi-Hop | 多跳 | ||
| Multi-Kernel Learning | 多核学习 | ||
| Multi-Label Classification | 多标签分类 | ||
| Multi-Label Learning | 多标记学习 | ||
| Multi-Layer Feedforward Neural Networks | 多层前馈神经网络 | ||
| Multi-Layer Perceptron | 多层感知机 | MLP | |
| Multi-Nominal Logistic Regression Model | 多项对数几率回归模型 | ||
| Multi-Prediction Deep Boltzmann Machine | 多预测深度玻尔兹曼机 | ||
| Multi-Response Linear Regression | 多响应线性回归 | MLR | |
| Multi-View Learning | 多视图学习 | ||
| Multicollinearity | 多重共线性 | ||
| Multimodal | 多峰值 | ||
| Multimodal Learning | 多模态学习 | ||
| Multinomial Distribution | 多项分布 | ||
| Multinoulli Distribution | Multinoulli分布 | ||
| Multinoulli Output Distribution | Multinoulli输出分布 | ||
| Multiple Dimensional Scaling | 多维缩放 | ||
| Multiple Linear Regression | 多元线性回归 | MLR | 统计 |
| Multitask Learning | 多任务学习 | ||
| Multivariate Decision Tree | 多变量决策树 | ||
| Multivariate Gaussian Distribution | 多元高斯分布 | ||
| Multivariate Normal Distribution | 多元正态分布 | ||
| Mutual Information | 互信息 | ||
| Machine-Readable Data | 机器可读的数据 | ||
| Mae | 平均绝对误差 | MAE | |
| Mahalanobis Distances | 马氏距离 | 统计 | |
| Matrices | 矩阵 | 数学 | |
| Matthews Correlation Coefficient | 马修斯相关系数 | MCC | |
| Maximum Likelihood Methods | 最大似然法 | 统计 | |
| Maximum Likelihood Procedures | 最大似然估计法 | 统计 | |
| MCTS Method | 蒙特卡洛树搜索方法 | ||
| Mean-Squared Error | 均方误差 | 统计、机器学习 | |
| Mechanical Sympathy | 机械同感,软硬件协同编程 | ||
| Merging | 合并 | ||
| Message Passing Neural Networks | 消息传递神经网络 | MPNNS | |
| Microarray Data | 微阵列数据 | ||
| Mini Batch | 小批次 | ||
| Mining | 挖掘 | ||
| Mining Out | 挖掘 | ||
| Missing Values | 缺失值 | 统计 | |
| ML Algorithm | 机器学习算法 | ||
| ML Modelling | 机器学习建模 | ||
| ML Potentials | 机器学习势能 | ||
| ML-Driven | 机器学习驱动的 | ||
| ML-Driven Optimization | 机器学习驱动的最优化 | ||
| MLP Neural Model | 多层感知机神经模型 | ||
| Model Construction | 模型构建 | ||
| Model Evaluation | 模型评估 | ||
| Model Performance | 模型性能 | ||
| Model Statistics | 模型统计 | ||
| Model Training | 模型训练 | 机器学习 | |
| Model Validation | 模型验证 | ||
| Model-Based Iterative Reconstruction | 基于模型的迭代重建 | MBIR | |
| Model-Construction | 模型构建 | ||
| Modelling Scenario | 建模场景 | ||
| Molecular Graph Theory | 分子图论 | ||
| Molecular Modelling | 分子建模 | ||
| Monte Carlo Tree Search | 蒙特卡洛树搜索 | MCTS | 数学 |
| Moore’S Law | 摩尔定律 | 计算机 | |
| Multi-Agent Control System | 多智能体控制系统 | ||
| Multi-Core Desktop Computer | 多核台式计算机 | 计算机 | |
| Multi-Dimensional Big Data Analysis | 多维度大数据分析 | ||
| Multi-Layer Feed-Forward | 多层前馈 | MLFF | |
| Multi-Objective Genetic Algorithm | 多目标遗传算法 | MOGA | |
| Multi-Objective Optimization | 多目标优化 | 机器学习 | |
| Multi-Reaction Synthesis | 多反应合成 | ||
| Multilayer Perceptron | 多层感知机 | ||
| Multivariate Regression | 多变量回归 |
N
| 英文术语 | 中文翻译 | 常用缩写 | 备注 |
|---|---|---|---|
| N-Gram | N元 | ||
| N-Gram Feature | N元特征 | ||
| N-Gram Model | N元模型 | ||
| Naive Bayes Algorithm | 朴素贝叶斯算法 | ||
| Naive Bayes Classifier | 朴素贝叶斯分类器 | ||
| Naive Bayes | 朴素贝叶斯 | NB | |
| Named Entity Recognition | 命名实体识别 | ||
| Narrow Convolution | 窄卷积 | ||
| Nash Equilibrium | 纳什均衡 | ||
| Nash Reversion | 纳什回归 | ||
| Nats | 奈特 | ||
| Natural Exponential Decay | 自然指数衰减 | ||
| Natural Language Generation | 自然语言生成 | NLG | |
| Natural Language Processing | 自然语言处理 | NLP | 机器学习 |
| Nearest Neighbor | 最近邻 | ||
| Nearest Neighbor Classifier | 最近邻分类器 | ||
| Nearest Neighbor Graph | 最近邻图 | ||
| Nearest Neighbor Regression | 最近邻回归 | ||
| Nearest-Neighbor Search | 最近邻搜索 | ||
| Negative Class | 负类 | ||
| Negative Correlation | 负相关法 | ||
| Negative Definite | 负定 | ||
| Negative Log Likelihood | 负对数似然函数 | ||
| Negative Part Function | 负部函数 | ||
| Negative Phase | 负相 | ||
| Negative Sample | 负例 | ||
| Negative Sampling | 负采样 | ||
| Negative Semidefinite | 半负定 | ||
| Neighbourhood Component Analysis | 近邻成分分析 | NCA | |
| Nesterov Accelerated Gradient | Nesterov加速梯度 | NAG | |
| Nesterov Momentum | Nesterov动量法 | ||
| Net Activation | 净活性值 | ||
| Net Input | 净输入 | ||
| Network | 网络 | ||
| Network Capacity | 网络容量 | ||
| Neural Architecture Search | 神经架构搜索 | NAS | |
| Neural Auto-Regressive Density Estimator | 神经自回归密度估计器 | ||
| Neural Auto-Regressive Network | 神经自回归网络 | ||
| Neural Language Model | 神经语言模型 | ||
| Neural Machine Translation | 神经机器翻译 | ||
| Neural Model | 神经模型 | ||
| Neural Network | 神经网络 | NN | |
| Neural Turing Machine | 神经图灵机 | NTM | |
| Neurodynamics | 神经动力学 | ||
| Neuromorphic Computing | 神经形态计算 | ||
| Neuron | 神经元 | ||
| Newton Method | 牛顿法 | ||
| No Free Lunch Theorem | 没有免费午餐定理 | NFL | |
| Node | 结点 | ||
| Noise | 噪声 | ||
| Noise Distribution | 噪声分布 | ||
| Noise-Contrastive Estimation | 噪声对比估计 | NCE | |
| Nominal Attribute | 列名属性 | ||
| Non-Autoregressive Process | 非自回归过程 | ||
| Non-Convex Optimization | 非凸优化 | ||
| Non-Informative Prior | 无信息先验 | ||
| Non-Linear Model | 非线性模型 | ||
| Non-Linear Oscillation | 非线性振荡 | ||
| Non-Linear Support Vector Machine | 非线性支持向量机 | ||
| Non-Metric Distance | 非度量距离 | ||
| Non-Negative Matrix Factorization | 非负矩阵分解 | NMF | |
| Non-Ordinal Attribute | 无序属性 | ||
| Non-Parametric | 非参数 | ||
| Non-Parametric Model | 非参数化模型 | ||
| Non-Probabilistic Model | 非概率模型 | ||
| Non-Saturating Game | 非饱和博弈 | ||
| Non-Separable | 不可分 | ||
| Nonconvex | 非凸 | ||
| Nondistributed | 非分布式 | ||
| Nondistributed Representation | 非分布式表示 | ||
| Nonlinear Autoregressive With Exogenous Inputs Model | 有外部输入的非线性自回归模型 | NARX | |
| Nonlinear Conjugate Gradients | 非线性共轭梯度 | ||
| Nonlinear Independent Components Estimation | 非线性独立成分估计 | ||
| Nonlinear Programming | 非线性规划 | ||
| Nonparametric Density Estimation | 非参数密度估计 | ||
| Norm | 范数 | ||
| Norm-Preserving | 范数保持性 | ||
| Normal Distribution | 正态分布 | ||
| Normal Equation | 正规方程 | ||
| Normalization | 规范化 | 统计、机器学习 | |
| Normalization Factor | 规范化因子 | ||
| Normalized | 规范化的 | ||
| Normalized Initialization | 标准初始化 | ||
| Nuclear Norm | 核范数 | ||
| Null Space | 零空间 | ||
| Number of Epochs | 轮数 | ||
| Numerator Layout | 分子布局 | ||
| Numeric Value | 数值 | ||
| Numerical Attribute | 数值属性 | ||
| Numerical Differentiation | 数值微分 | ||
| Numerical Method | 数值方法 | ||
| Numerical Optimization | 数值优化 | ||
| N-Dimensional Space | N维空间 | ||
| Naive Bayesian | 朴素贝叶斯 | 统计 | |
| Naive Bayesian Methods | 朴素贝叶斯方法 | 统计 | |
| Named Entity Recognition,NER | 命名实体识别 | NER | |
| Nearest Neighbors | 近邻 | ||
| Nearest Neighbour Model | 近邻模型 | ||
| Negative Predictive Value | 阴性预测值 | NPV | |
| Network Architecture | 网络结构 | 机器学习 | |
| Network Geometry | 网络几何 | ||
| Neural Turing Machines | 神经图灵机 | NTM | |
| Neural-Network-Based Function | 基于神经网络的函数 | ||
| Neurons | 神经元 | 机器学习 | |
| Nuclear Magnetic Resonance | 核磁共振 | NMR | |
| Noise Filters | 噪声过滤器 | ||
| Noise-Free | 无噪的 | ||
| Non-Linear | 非线性 | 数学、统计 | |
| Non-Linear Correlation | 非线性相关 | 统计 | |
| Non-Linearity | 非线性 | ||
| Non-Parametric Algorithm | 非参数化学习算法 | ||
| Non-Safety-Critical Applications | 非安全关键型应用 | ||
| Non-Steady-State | 非稳态 | ||
| Non-Stochastic | 非随机的 | ||
| Non-Template | 非模板 | ||
| Non-Template Methods | 非模板方法 | ||
| Non-Zero Weight | 非零权重 |
O
| 英文术语 | 中文翻译 | 常用缩写 | 备注 |
|---|---|---|---|
| Object Detection | 目标检测 | ||
| Object Recognition | 对象识别 | ||
| Objective | 目标 | ||
| Objective Function | 目标函数 | ||
| Oblique Decision Tree | 斜决策树 | ||
| Observable Variable | 观测变量 | ||
| Observation Sequence | 观测序列 | ||
| Occam’s Razor | 奥卡姆剃刀 | 机器学习 | |
| Odds | 几率 | ||
| Off-Policy | 异策略 | ||
| Offline Inference | 离线推断 | ||
| Offset | 偏移量 | ||
| Offset Vector | 偏移向量 | ||
| On-Policy | 同策略 | ||
| One-Shot Learning | 单试学习 | ||
| One-Dependent Estimator | 独依赖估计 | ODE | |
| One-Hot | 独热 | ||
| Online | 在线 | ||
| Online Inference | 在线推断 | ||
| Online Learning | 在线学习 | ||
| Operation | 操作 | ||
| Operator | 运算符 | ||
| Optimal Capacity | 最佳容量 | ||
| Optimization | 最优化 | ||
| Optimization Landscape | 优化地形 | ||
| Optimizer | 优化器 | ||
| Ordered Rule | 带序规则 | ||
| Ordinal Attribute | 有序属性 | ||
| Origin | 原点 | ||
| Orthogonal | 正交 | 数学 | |
| Orthogonal Initialization | 正交初始化 | ||
| Orthogonal Matrix | 正交矩阵 | ||
| Orthonormal | 标准正交 | ||
| Out-Of-Bag Estimate | 包外估计 | ||
| Outer Product | 外积 | ||
| Outlier | 异常点 | ||
| Output | 输出 | ||
| Output Gate | 输出门 | ||
| Output Layer | 输出层 | 机器学习 | |
| Output Smearing | 输出调制法 | ||
| Output Space | 输出空间 | ||
| Over-Parameterized | 过度参数化 | ||
| Overcomplete | 过完备 | ||
| Overestimation | 过估计 | ||
| Overfitting | 过拟合 | 机器学习 | |
| Overfitting Regime | 过拟合机制 | ||
| Overflow | 上溢 | ||
| Oversampling | 过采样 | ||
| On-The-Fly Optimization | 运行中优化 | 计算机 | |
| One-Hot Vector | 独热向量 | 整个矢量中之后一个数为1 其余为0 | |
| Open-Source | 开源 | 软件工程 | |
| Open-Source Dataset | 开源数据集 | 机器学习 |
P
| 英文术语 | 中文翻译 | 常用缩写 | 备注 |
|---|---|---|---|
| PAC Learning | PAC学习 | ||
| Pac-Learnable | PAC可学习 | ||
| Padding | 填充 | ||
| Paired t -Test | 成对 t 检验 | ||
| Pairwise | 成对型 | ||
| Pairwise Markov Property | 成对马尔可夫性 | ||
| Parallel Distributed Processing | 分布式并行处理 | PDP | |
| Parallel Tempering | 并行回火 | ||
| Parameter | 参数 | ||
| Parameter Estimation | 参数估计 | ||
| Parameter Server | 参数服务器 | ||
| Parameter Sharing | 参数共享 | ||
| Parameter Space | 参数空间 | ||
| Parameter Tuning | 调参 | 机器学习 | |
| Parametric Case | 有参情况 | ||
| Parametric Density Estimation | 参数密度估计 | ||
| Parametric Model | 参数化模型 | ||
| Parametric ReLU | 参数化修正线性单元/参数化整流线性单元 | PReLU | |
| Parse Tree | 解析树 | ||
| Part-Of-Speech Tagging | 词性标注 | ||
| Partial Derivative | 偏导数 | ||
| Partially Observable Markov Decision Processes | 部分可观测马尔可夫决策过程 | POMDP | |
| Particle Swarm Optimization | 粒子群优化算法 | PSO | |
| Partition | 划分 | ||
| Partition Function | 配分函数 | ||
| Path | 路径 | ||
| Pattern | 模式 | ||
| Pattern Recognition | 模式识别 | PR | |
| Penalty Term | 罚项 | ||
| Perceptron | 感知机 | 机器学习 | |
| Performance Measure | 性能度量 | ||
| Periodic | 周期的 | ||
| Permutation Invariant | 置换不变性 | ||
| Perplexity | 困惑度 | ||
| Persistent Contrastive Divergence | 持续性对比散度 | ||
| Phoneme | 音素 | ||
| Phonetic | 语音 | ||
| Pictorial Structure | 图形结构 | ||
| Piecewise | 分段 | ||
| Piecewise Constant Decay | 分段常数衰减 | ||
| Pipeline | 流水线 | ||
| Plate Notation | 板块表示 | ||
| Plug And Play Generative Network | 即插即用生成网络 | ||
| Plurality Voting | 相对多数投票 | ||
| Point Estimator | 点估计 | ||
| Pointer Network | 指针网络 | ||
| Polarity Detection | 极性检测 | ||
| Policy | 策略 | ||
| Policy Evaluation | 策略评估 | ||
| Policy Gradient | 策略梯度 | ||
| Policy Improvement | 策略改进 | ||
| Policy Iteration | 策略迭代 | ||
| Policy Search | 策略搜索 | ||
| Polynomial Basis Function | 多项式基函数 | ||
| Polynomial Kernel Function | 多项式核函数 | ||
| Polysemy | 一词多义性 | ||
| Pool | 汇聚 | ||
| Pooling | 汇聚 | ||
| Pooling Function | 汇聚函数 | ||
| Pooling Layer | 汇聚层 | ||
| Poor Conditioning | 病态条件 | ||
| Position Embedding | 位置嵌入 | ||
| Positional Encoding | 位置编码 | ||
| Positive Class | 正类 | ||
| Positive Definite | 正定 | ||
| Positive Definite Kernel Function | 正定核函数 | ||
| Positive Definite Matrix | 正定矩阵 | ||
| Positive Part Function | 正部函数 | ||
| Positive Phase | 正相 | ||
| Positive Recurrent | 正常返的 | ||
| Positive Sample | 正例 | ||
| Positive Semidefinite | 半正定 | ||
| Positive-Semidefinite Matrix | 半正定矩阵 | ||
| Post-Hoc Test | 后续检验 | ||
| Post-Pruning | 后剪枝 | ||
| Posterior Distribution | 后验分布 | ||
| Posterior Inference | 后验推断 | ||
| Posterior Probability | 后验概率 | ||
| Potential Function | 势函数 | ||
| Power Method | 幂法 | ||
| PR Curve | P-R曲线 | ||
| Pre-Trained Initialization | 预训练初始化 | ||
| Pre-Training | 预训练 | ||
| Precision | 查准率/准确率 | 数学、HPC | |
| Precision Matrix | 精度矩阵 | ||
| Predictive Sparse Decomposition | 预测稀疏分解 | ||
| Prepruning | 预剪枝 | ||
| Pretrained Language Model | 预训练语言模型 | ||
| Primal Problem | 主问题 | ||
| Primary Visual Cortex | 初级视觉皮层 | ||
| Principal Component Analysis | 主成分分析 | PCA | |
| Principle Of Multiple Explanations | 多释原则 | ||
| Prior | 先验 | ||
| Prior Knowledge | 先验知识 | 统计 | |
| Prior Probability | 先验概率 | ||
| Prior Probability Distribution | 先验概率分布 | ||
| Prior Pseudo-Counts | 伪计数 | ||
| Prior Shift | 先验偏移 | ||
| Priority Rule | 优先级规则 | ||
| Probabilistic Context-Free Grammar | 概率上下文无关文法 | ||
| Probabilistic Density Estimation | 概率密度估计 | ||
| Probabilistic Generative Model | 概率生成模型 | ||
| Probabilistic Graphical Model | 概率图模型 | PGM | |
| Probabilistic Latent Semantic Analysis | 概率潜在语义分析 | PLSA | |
| Probabilistic Latent Semantic Indexing | 概率潜在语义索引 | PLSI | |
| Probabilistic Model | 概率模型 | ||
| Probabilistic PCA | 概率PCA | ||
| Probabilistic Undirected Graphical Model | 概率无向图模型 | ||
| Probability | 概率 | ||
| Probability Density Function | 概率密度函数 | ||
| Probability Distribution | 概率分布 | 统计 | |
| Probability Mass Function | 概率质量函数 | ||
| Probability Model Estimation | 概率模型估计 | ||
| Probably Approximately Correct | 概率近似正确 | PAC | |
| Product of Expert | 专家之积 | ||
| Product Rule | 乘法法则 | ||
| Properly PAC Learnable | 恰PAC可学习 | ||
| Proportional | 成比例 | ||
| Proposal Distribution | 提议分布 | ||
| Propositional Atom | 原子命题 | ||
| Propositional Rule | 命题规则 | ||
| Prototype-Based Clustering | 原型聚类 | ||
| Proximal Gradient Descent | 近端梯度下降 | PGD | |
| Pruning | 剪枝 | ||
| Pseudo-Label | 伪标记 | ||
| Pseudolikelihood | 伪似然 | ||
| Predicted Label | 预测值 | 机器学习 | |
| Prediction | 预测 | 机器学习 | |
| Prediction Accuracy | 预测准确率 | 机器学习 | |
| Predictor | 预测器/决策函数 | 机器学习 | |
| Protein Folding | 蛋白折叠 | 生物 |
相关文章:
人工智能术语翻译(四)
文章目录 摘要MNOP 摘要 人工智能术语翻译第四部分,包括I、J、K、L开头的词汇! M 英文术语中文翻译常用缩写备注Machine Learning Model机器学习模型Machine Learning机器学习ML机器学习Machine Translation机器翻译MTMacro Average宏平均Macro-F1宏…...
kubernetes持久化存储卷
kubernetes持久化存储卷 kubernetes持久化存储卷一、存储卷介绍二、存储卷的分类三、存储卷的选择四、本地存储卷之emptyDir五、本地存储卷之 hostPath六、网络存储卷之nfs七、PV(持久存储卷)与PVC(持久存储卷声明)7.1 认识pv与pvc7.2 pv与pvc之间的关系7.3 实现nfs类型pv与pvc…...
【Rust笔记】意译解构 Object Safety for trait
意译解构Object Safety for trait 借助【虚表vtable】对被调用成员函数【运行时内存寻址】的作法允许系统编程语言Rust模仿出OOP高级计算机语言才具备的【专用多态Ad-hoc Polymorphism】特性。 计算机高级语言中的“多态”术语是一个泛指。它通常可被细化为 基于继承关系的“子…...
Spring Boot单元测试入门指南
Spring Boot单元测试入门指南 JUnit是一个成熟和广泛应用的Java单元测试框架,它提供了丰富的功能和灵活的扩展机制,可以帮助开发人员编写高质量的单元测试。通过JUnit,开发人员可以更加自信地进行重构、维护和改进代码,同时提高代…...
《面试1v1》如何能从Kafka得到准确的信息
🍅 作者简介:王哥,CSDN2022博客总榜Top100🏆、博客专家💪 🍅 技术交流:定期更新Java硬核干货,不定期送书活动 🍅 王哥多年工作总结:Java学习路线总结…...
2023秋招面试题持续更新中。。。
目录 1.八股文渐进式MVVM三次握手,四次挥手viteajax组件化和模块化虚拟dom原理流程浏览器内核浏览器渲染过程回流和重绘nextTick 2.项目相关1.声明式导航和编程式导航重写push和replace方法:性能优化图片懒加载路由懒加载 http请求方式 1.八股文 渐进式…...
Java | 数组排序算法
一、冒泡排序 冒泡排序的基本思想是对比相邻的元素值,如果满足条件就交换元素值,把较小的元素移到数组前面,把较大的元素移到数组后面(也就是交换两个元素的位置),这样较小的元素就像气泡一样从底部升到顶…...
android studio 连接SQLite数据库并实现增删改查功能
功能代码及调试代码 package com.example.bankappdemo;import android.annotation.SuppressLint; import android.content.ContentValues; import android.database.sqlite.SQLiteDatabase; import android.os.Bundle; import android.util.Log; import android.view.View; im…...
跑步适合戴什么样的耳机、最好的跑步耳机推荐
每个人对于运动的方式都不尽相同,但大多数热爱运动的朋友都离不开音乐的陪伴。运动和带有节奏感的音乐能够激发我们更多的热情和动力。特别是在夏日的时候,我非常喜欢跑步。在酷热的天气里,如果没有音乐的伴随,跑步会变得单调乏味…...
物联网的通信协议
物联网的通信协议 目录 物联网的通信协议一、UART串口通信1.1 串口通信1.2 异步收发1.3 波特率1.4 串口通信协议的数据帧1.5 优缺点1.5.1 优点1.5.2 缺点 二、I^2^C2.1 I^2^C2.2 I^2^C2.3 数据有效性2.4 起始条件S和停止条件P2.5 数据格式2.6 协议数据单元PDU2.7 优缺点2.7.1 优…...
【业务功能篇56】SpringBoot 日志SLF4J Logback
3.5.1 日志框架分类与选择 3.5.1.1 日志框架的分类 日志门面 (日志抽象)日志实现JCL(Jakarta Commons Logging) SLF4J(Simple Logging Facade for Java)Jul(Java Util Logging) , Log4j , Log4j2 , Logback 记录型日志框架 Jul (Java Util Logging):JDK中的日志…...
leetcode 53. 最大子数组和
2023.7.28 要求找最大和的 连续子数组, 我的思路是用一个temp记录局部最优值,用ans记录全局最优值。 然后在每次for循环进行一个判断:当前遍历元素temp值 是否大于当前遍历元素的值,如果大于,说明temp值是帮了正忙的&a…...
js 下载url返回的excel数据,并解析为json
XLSX GitHub地址:https://github.com/SheetJS/sheetjs/blob/github/dist/xlsx.full.min.js 需要先引入:XLSX.full.min.js // 下载文件的请求 fetch(downloadFileUrl).then(response > {return rsp.blob() }).then(data > {let reader new FileR…...
图文教程:使用 Photoshop、3ds Max 和 After Effects 创建被风暴摧毁的小屋
推荐: NSDT场景编辑器助你快速搭建可二次开发的3D应用场景 1. 在 Photoshop 中设置图像 步骤 1 打开 Photoshop。 打开 Photoshop 步骤 2 我已经将小屋的图像导入到Photoshop中以演示 影响。如果您愿意,可以使用其他图像。 图片导入 步骤 3 由于小…...
学习Maven Web 应用
Maven Web 应用 本章节我们将学习如何使用版本控制系统 Maven 来管理一个基于 web 的项目,如何创建、构建、部署已经运行一个 web 应用。 创建 Web 应用 我们可以使用 maven-archetype-webapp 插件来创建一个简单的 Java web 应用。 打开命令控制台,…...
page allocation stalls for 问题调研
一.现象分析和内存管理基本概念介绍 最近有一台linux出现卡死的状态,系统不反应,无法ssh登录,只能通过电源关机重启操作恢复,重启后登录系统后台,拉取kernel日志,如下 Jul 12 18:48:06 kernel: [141294.374983] send process: page allocation stalls for 10108ms, orde…...
JUC并发工具类
一、ReentrantLock 特点:独占、可重入、公平/非公平、可中断、支持多个条件变量 1、常用api ReentrantLock实现了Lock接口,Lock类规范定义了如下方法 lock():获取锁,调用该方法的线程会获取锁,当锁获得后࿰…...
【雕爷学编程】MicroPython动手做(10)——零基础学MaixPy之神经网络KPU
早上百度搜“神经网络KPU”,查到与非网的一篇文章《一文读懂APU/BPU/CPU/DPU/EPU/FPU/GPU等处理器》,介绍各种处理器非常详细,关于“KPU”的内容如下: KPU Knowledge Processing Unit。 嘉楠耘智(canaan)号…...
MySQL~SQL语句
一、SQL 1.什么是SQL? Structured Query Language:结构化查询语言 每一种数据库操作的方式存在不一样的地方,称为“方言”。 2.SQL通用语法 SQL 语句可以单行或多行书写,以分号结尾 可使用空格和缩进来增强语句的可读性 MyS…...
从零开始构建基于YOLOv5的目标检测系统
本博文从零开始搭建基于YOLOv5模型的目标检测系统(具体系统参考本博主的其他博客),手把手保姆级完成环境的搭建。 (1)首先Windows R输入cmd命令后打开命令窗口,进入项目目录,本博文以野生动物…...
变量 varablie 声明- Rust 变量 let mut 声明与 C/C++ 变量声明对比分析
一、变量声明设计:let 与 mut 的哲学解析 Rust 采用 let 声明变量并通过 mut 显式标记可变性,这种设计体现了语言的核心哲学。以下是深度解析: 1.1 设计理念剖析 安全优先原则:默认不可变强制开发者明确声明意图 let x 5; …...
深入剖析AI大模型:大模型时代的 Prompt 工程全解析
今天聊的内容,我认为是AI开发里面非常重要的内容。它在AI开发里无处不在,当你对 AI 助手说 "用李白的风格写一首关于人工智能的诗",或者让翻译模型 "将这段合同翻译成商务日语" 时,输入的这句话就是 Prompt。…...
盘古信息PCB行业解决方案:以全域场景重构,激活智造新未来
一、破局:PCB行业的时代之问 在数字经济蓬勃发展的浪潮中,PCB(印制电路板)作为 “电子产品之母”,其重要性愈发凸显。随着 5G、人工智能等新兴技术的加速渗透,PCB行业面临着前所未有的挑战与机遇。产品迭代…...
k8s从入门到放弃之Ingress七层负载
k8s从入门到放弃之Ingress七层负载 在Kubernetes(简称K8s)中,Ingress是一个API对象,它允许你定义如何从集群外部访问集群内部的服务。Ingress可以提供负载均衡、SSL终结和基于名称的虚拟主机等功能。通过Ingress,你可…...
将对透视变换后的图像使用Otsu进行阈值化,来分离黑色和白色像素。这句话中的Otsu是什么意思?
Otsu 是一种自动阈值化方法,用于将图像分割为前景和背景。它通过最小化图像的类内方差或等价地最大化类间方差来选择最佳阈值。这种方法特别适用于图像的二值化处理,能够自动确定一个阈值,将图像中的像素分为黑色和白色两类。 Otsu 方法的原…...
【git】把本地更改提交远程新分支feature_g
创建并切换新分支 git checkout -b feature_g 添加并提交更改 git add . git commit -m “实现图片上传功能” 推送到远程 git push -u origin feature_g...
SiFli 52把Imagie图片,Font字体资源放在指定位置,编译成指定img.bin和font.bin的问题
分区配置 (ptab.json) img 属性介绍: img 属性指定分区存放的 image 名称,指定的 image 名称必须是当前工程生成的 binary 。 如果 binary 有多个文件,则以 proj_name:binary_name 格式指定文件名, proj_name 为工程 名&…...
网站指纹识别
网站指纹识别 网站的最基本组成:服务器(操作系统)、中间件(web容器)、脚本语言、数据厍 为什么要了解这些?举个例子:发现了一个文件读取漏洞,我们需要读/etc/passwd,如…...
【网络安全】开源系统getshell漏洞挖掘
审计过程: 在入口文件admin/index.php中: 用户可以通过m,c,a等参数控制加载的文件和方法,在app/system/entrance.php中存在重点代码: 当M_TYPE system并且M_MODULE include时,会设置常量PATH_OWN_FILE为PATH_APP.M_T…...
uniapp 字符包含的相关方法
在uniapp中,如果你想检查一个字符串是否包含另一个子字符串,你可以使用JavaScript中的includes()方法或者indexOf()方法。这两种方法都可以达到目的,但它们在处理方式和返回值上有所不同。 使用includes()方法 includes()方法用于判断一个字…...
