ADK.wang AI & 软件技术百科

同时，他们为判别模型 （Discriminative Model）、描述模型（Descriptive Model）和生成模型 （Generative Model）这三类模型做了明确的定义、区分和关联的阐述（Wu et al., 2019）。

清华大学的王建勇研究了不确定性数据上判别模式（Discriminative

它包括两部分：生成网络（Generative Network），负责生成尽可能逼真的样本，被称为生成器（Generator）；判别网络（Discriminative Network），负责判断样本是否真实，被称为判别器（Discriminator）。

因果图方法中已经用到了判定表（Decision Table），它是分析和表达多逻辑条件下执行不同操作情况的工具。

本部分操作基于Azure的DataBricks，实现首 先从Kafka集群订阅主题，然后解析特定字段类型，并将结果实时存储 到对象存储系统（Delta Lake）中，供后续实时应用获取数据并使 用，如做实时报表、进行实时分析等。

从我们开始研究计划（Plan），到组织执行（Do），到工作的检查（Check），最后根据工作的方式提出改进意见（Action），在这一系列工作中，对每一个环节的工作方法进行分析研究是不断改良方法的基础。

（1）当一个 Spark 应用被提交时，首先需要为这个应用构建起基本的运行环境，即由任务控 制节点（Driver）创建一个 SparkContext，由 SparkContext 负责和资源管理器—Cluster Manager 的通信，以及进行资源的申请...

表 4-1 DRF 调度实例 除了上文所述常见的几种调度策略，还有若干种针对Hadoop的改进 资源调度策略，包括资源感知调度策略（Resource Aware Scheduling）、动态优先级调度策略（Dynamic Priority Scheduli...

动态图 （Dynamic diagram）：由于结构图天生只能描述出系统的静态结构属性，因此 C4 模型中推 荐使用 UML 中的通讯图、时序图等，对系统中关键链路的动态行为进行补充描述，即“ 动静结 合 ”； l 部署图 （Deployment diag...

（2）动态数据脱敏 动态数据脱敏（Dynamic Data Masking）是在不更改基础数据的情况下，在最终用户或系统中改变数据的外观。

最初使用动态服务流过滤器（Dynamic Service Flow Filter）标识和控制流量进入路径，路径本身通过MPLS封装进行控制。

动态模型（Dynamic Model） 动态模型是一种以连续更新的方式在线训练的模型，即数据连续不断地输入模型。

[^35]: 部分信息来源：①Keep访谈；②杨文明，陈鸣珠.Keep：健身“小白”的创业之路[J]. 清华管理评论，2020（3）：104-111. [^36]: 动态能力理论（Dynamic Capabilities Theory）认为，通过整合、构建...

动态表（Dynamic Tables） 当流中有新数据到来，初始的表中会插入一行；而基于这个表定义的 SQL 查询，就应该 在之 前的基 础上更 新 结果 。

动态记忆网络（Dynamic Memory Networks）也能够掌握20世纪60年代对麻省理工学院人工智能实验室提出挑战的“积木世界”任务（图2–1）。

如果将函数库的连接推迟到程序运行时（Run Time）来实现，就要用到动态连接库（Dynamic Link Library）。

而右侧表示和后端工具链接的适配器，被称为 被动适配器（Driven Adapters） ，因为它们只会对主适配器的操作作出响应。

使用此配置，我们将实现一个GPT占位符架构（ DummyGPTModel ），如图4.3所示。

（7）DNS， 即域名系统（Domain Name System）。

数据云是一个新兴概念，类似于其他云服务，数据云将数据作为服务按需提供给用户，它整合并管理特定的数据集，向有需求的用户开放不同程度的数据控制权，即数据即服务（DaaS）的概念。

图8-39 SSD和DSSD的网络模型 图8-40 预测模块 反卷积模块（Deconvolution Module） 为了整合浅层特征图和反卷积层的信息，研究人员引入反卷积模块，如图8-41所示。

AlphaGo 原本是透过深度学习 （Deep Learning），把高段者的棋谱汇成影像，同时学习顺应各局的最 佳棋步，使自己变得更加强大。

T5 的网络同样采用编码器-解码器结构，采用去噪目标函数（Denoising Objective）作 为训练目标，即恢复输入中被随机掩码的词元。

❑挖掘9律之第3律，又称数据准备律（Data Preparation Law），数据准备能让数据挖掘流程事半功倍（Data Preparation Is More Than Half of Every Data Mining Process）。