ADK.wang 统一知识工程 · 权威专著深度引证

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

通识与商业创新
📚 1 本专著

Walking Distance (WD)

with the fluctuation of weight vector called the Walking Distance

难度: ★★★ 阅读: 5分钟
查看引证 →
前端与移动端
📚 1 本专著

即矢量标记语言

Vector M arkup Language

VML 即矢量标记语言(Vector M arkup Language),IE 从5.0 版本以后开始在HTML 文件 中支持这种语言。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

响应向量

Response Vector

·响应向量(Response Vector),包含的是特征矩阵每一行的类变量(预测或者输出)值。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

密集检索

Dense Retrieval

 多向量检索(Multi-vector Retrieval)通过使用多个向量来表示一段文  本,作为对密集检索(Dense Retrieval)的一种扩展,如 ColBERT 能 够更全面地捕捉文本的多维信息。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

嵌入式词向量

Embedding Vector

而在 Deep 侧,通过嵌入式词向量( Embedding Vector )及深层交互能够学到国籍、节日、食品等各种特征的最优的向量表示,推荐引擎对 中国人 , 感恩节 , 火鸡 > 这种新组合可能会打一个不低的分数(比 美国人 , 感恩节 , 火鸡 > ...

难度: ★★★ 阅读: 5分钟
查看引证 →
前端与移动端
📚 1 本专著

布局引擎 (SVG)

有关特性支持的概述,请参阅en.wikipedia.org/wiki/Comparisonoflayoutengines(ScalableVectorGraphics)上的“布局引擎(SVG)页面的比较”。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

形成特征向量

Feature Vector

首先,准备输入数据,这些数据可以是文本、图片,也可以是音频、视频等;然后,再从数据中抽取所需的特征,形成特征向量(Feature Vector);接下来,把这些特征向量和输入数据的标签信息送入学习模型(具体来说是某个学习算法),经过反复训练,“打磨”出一个...

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

文档表示方案是空间向量模型

Vector Space Model

经典的文档表示方案是空间向量模型(Vector Space Model ),该模型将文档表示为词汇的向量,而不考虑文档中 词汇的顺序信息。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

方法有向量空间模型

Vector Space Model

在非监督 排序方法中,较为常见的方法有向量空间模型(Vector Space Model)方法与基于信息检索的方法。

难度: ★★★ 阅读: 5分钟
查看引证 →
机器学习与算法
📚 1 本专著

朴素贝叶斯分类器

Naive Bayes

分类学习算法比较多,比较著名的有 k -近邻( k -Nearest Neighbor, k NN)、支持向量机(Support Vector Machine,SVM)、朴素贝叶斯分类器(Naive Bayes)、决策树(Decision Tree)、BP...

难度: ★★★ 阅读: 5分钟
查看引证 →
通识与商业创新
📚 1 本专著

机制造商维克多图像公司

Vector Graphic

在ASK计算机系统公司上市两周后,另一家由女性所拥有的技术公司,也就是位于洛杉矶的计算机制造商维克多图像公司(Vector Graphic),也进行了公开募股。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

构成向量

Vector

向量型环境状态变量 在图1.3(b)中,多个标量可以构成向量(Vector),向量可以表示环境和个体的多维特征属性,如三维空间中个体位置坐标可以用向量( x,x,x )表示。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

查询向量

Query Vector

Ni 定义8.1 注意力分布: 为了从 N 个输入向量[ x ,…, x ]中选择与某个特定任务相关的信息,需要引入一个和任务相关的表示,称为查询向量(Query Vector),并通过一个打分函数来计算每个输入向量和查询向量之间的相关性。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

查询检索

Retriever

RAG有四个核心部件:向量数据库(Vector Database)、查询检索(Retriever)、重新排序(Re-ranking)、生成回答 (Generator)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

独热向量

OneHot Vector

在Word2Vec技术出现之前,词通常都表示成离散的独一无二的编码,也称为独热向量(OneHot Vector)。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

矢量处理

Vector Processing

VPP(Vector Packet Processing,矢量数据包处理)在DPDK之上提供增强型功能,以批量方式(而不是逐一方式)处理数据包,通常将这种并行或批处理方式称为矢量处理(Vector Processing)。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

矢量量化器

Vector Quantizer

根据输入输出数据的类型,量化器可分为标量量化器(Scalar Quantizer)和矢量量化器(Vector Quantizer)两种类型。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

答案是向量搜索

Vector Search

但"索引"具体意味着什么?如何让 Agent 能够根据用户的自然语言问题找到相关记忆? 答案是向量搜索(Vector Search):将文本块转换为高维向量(即嵌入向量),然后通过余弦相似度找到语义上最接近的结果。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

编码成向量表示

Vector Representation

大致的流程是文本特征(也可以有 meta 特征)经过 Encoder 层会被编码成向量表示(Vector Representation),再通过 Classifier 得到最终的预测结果。

难度: ★★★ 阅读: 5分钟
查看引证 →
数据库与大数据
📚 1 本专著

罗德里格斯旋转矢量

Rodrigues rotation vector

OpenCV没有使用欧拉角来表示3D旋转,而是使 用名为罗德里格斯旋转矢量(Rodrigues rotation vector)的一种表 示。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

词嵌入向量

Embedding Vectors

甚至我们可以发现,词嵌入向量(Embedding Vectors)具备类比特性。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

词是向量

Vector

与特征有关的另外一个词是向量(Vector),可以看作空间中的一条有方向的线段,在计算机中一般用一维数组表示。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

词条向量

TermVector

Lucene处理每个字段的方式也可以不同,有不同的选项可供选择,最基本的包括如何索引、是否存储、词条向量(TermVector)等。

难度: ★★★ 阅读: 5分钟
查看引证 →
人工智能与大模型
📚 1 本专著

质是量化矢量

Vector Quaintization

这种压缩方法的本质是量化矢量(Vector Quaintization),通过K-means聚类得到量化表,将每个像素用量化表中的矢量来表示,然后记录每个像素对应的索引值,这样原来使用24bit来表示一个像素,现在只需要存储记录索引值所需要的bit数就可以...

难度: ★★★ 阅读: 5分钟
查看引证 →
显示第 3 / 4 页,共 83 条记录