ADK.wang AI & 软件技术百科
全库汇聚全球 22,000+ 核心技术词条，深度引证上千本行业权威学术专著，涵盖大模型原理、云原生、架构设计与工程效能。
22,077
全量学术技术词条
9 大
核心专业领域体系
10,000+
权威专著深度引证
100%
原书精粹与工业对齐
专业技术领域分类
共 862 篇词条分类准则
OneR
计算方法为把它的各个取值的错误率相加，选取错误率最低的特征作为唯一的分类准则（OneR），用于接下来的分类。
分类模型
Classification
ROC曲线 ROC曲线是一种有效比较（或对比）两个（或两个以上）二元分类模型（Binary
动词 (VBP)
注特征中最后一行左列的特征，我们可以将“walk”分类为动词（VBP）。
单点结构
Uni-structural
根据SOLO分类评价法，比格斯把学生对某个问题的学习结果由低到高划分为五个层次：前结构层次（Pre-structural）、单点结构层次（Uni-structural）、多点结构层次（Multi-structural）、关联结构层次（Relational）...
即国际监测系统 (IMS)
联合国全面禁止核试验条约组织（Comprehensive Nuclear-Test-Ban Treaty Organization， CTBTO）维护着一个传感器网络，即国际监测系统（IMS），其自动处理软件建立在100 年的 地震学研究基础上，它的检测失...
卷积网络 (FCN)
杨立昆在2003年去了纽约大学后，仍继续开发他的视觉网络，现在被称为卷积网络（ConvNet）（见图9–2）。
双向循环神经网络 (BRNN)
双向循环神经网络（BRNN） BRNN将两层RNN叠加在一起，当前时刻输出（第 t 步的输出）不仅与之前序列有关，还与之后序列有关。
可夫模型 (HMM)
实 体抽取可作为一个序列标注问题，因此可以使用机器学习中的隐马尔 可夫模型（HMM）、条件随机场（CRF）、神经网络等算法进行标 注。
合页损失函数
Hinge Loss Function
Function）、平均绝对误差损失函数（Mean Absolute Error Loss Function）、分位数损失函数（Quantile Loss Function）、交叉熵损失函数（Cross Entropy Loss Function）、合页损...
噪音
Noise layers
噪音层 （Noise layers）：为神经元引入噪音，也是为了解决过拟合问题。
回归分析法
Regression Analysis
但是否通过这一部电影却只需“专家同意”，也就是说，主要靠高管的直觉，辅以标准的回归分析法（Regression Analysis）。
回归测试
Regression Testing
回归测试（Regression Testing）是软件生命周期的一个组成部分，在软件开发的各个阶段都可能会进行若干次回归测试，回归测试的工作量在整个软件测试过程中占有很大的比重。
回归语言模型
Autoregressive Language Model
在正式介绍XLNet之前，先来看两个概念：一个概念是自回归语言模型（Autoregressive Language Model），就是根据上文内容来预测下一个可能出现的单词，或者是反过来用下文内容来预测前文单词，前文提到的ELMo和GPT都是典型的自回归语...
图像信号处理器 (ISP)
这些升级包括最新型号的 ARM CPU、性能更强的GPU、全新的图像信号处理器（ISP）和图像数字信号处理器（DSP）， 以及我们最新研发的、专门为运行谷歌的神经网络模型而量身打造的TPU。
图像分类竞赛 (ILSVRC)
年，Alex Krizhevsky等人在ImageNet图像分类竞赛（ILSVRC） 中，凭借AlexNet模型取得历史性的突破。
图像数字信号处理器 (DSP)
这些升级包括最新型号的 ARM CPU、性能更强的GPU、全新的图像信号处理器（ISP）和图像数字信号处理器（DSP）， 以及我们最新研发的、专门为运行谷歌的神经网络模型而量身打造的TPU。
增强学习
Reinforcement Learning
腾讯学院拥有庞大的内部讲师队伍、自主研发课程和网络课程，并且引进了国际顶尖专家讲师和顾问、商业领袖等，并与哈佛大学、中欧国际工商学院、长江商学院等知名学院及企业大学建立合作关系，同时还引进了著名的增强学习（Q-learning）算法系统，力求为员工提供最新...
处理离散型分类特征
Categorical Features
Sparse Core 1. Embedding 层的计算 Embedding 处理离散型分类特征（Categorical Features），其是稀疏化的典型计算范式，NLP/ 搜推算法仅支持字符串形式输入是标示为离散的稀疏向量特征。
如长短时记忆网络 (LSTM)
（3）循环神经网络（RNN）模型：RNN模型在语音识别中用于建模时间序列特征，RNN模型的变体[如长短时记忆网络（LSTM）和门控循环单元（GRU）等]特别适合处理变长序列数据（如语音）。
学习方法
Learning Methods
（Regularization）、初始化（Initialization）、学习方法（Learning Methods）、自动化机器学习 与模型结构搜索等。
学习算法
Learning Algorithm
我们对比一下人类 学习和机器学习两个过程，人类学习汉字时需要用的书籍、字帖对于计算机来 说相当于输入数据（Data），人类通过“听”“说”“读”“写”等不同的方 式掌握使用汉字的能力，机器则通过某种学习算法（Learning Algorithm）去 学习这...
学习贝叶斯网络
Bayesian network
第12 ～16 章涵盖了这个领域，此 外最近的发展大大提升了概率形式体系的表达能力，第20 章描述了从数据中学习贝叶斯网络 （Bayesian network）和相关模型的方法。
学习隐马尔可夫模型 (HMM)
学习隐马尔可夫模型 最后，我们将EM 算法应用于学习隐马尔可夫模型（HMM）中的转移概率。
完成损失函数
Loss Function
（1）前向传播（Forward Propagation）：由输入到输出完成AI 模型中各层矩阵计算（例 如卷积层、池化层等），产生输出并完成损失函数（Loss Function）计算。