人工智能常用英文缩写.pdf
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
⼈⼯智能常⽤英⽂缩写 时时刻刻保持⼀颗不断学习的⼼,要做⼀个有⼼⼈! ⼈⼯智能⾏业涉及到的英⽂缩写颇多,现总结如下。会不断保持更新,敬请各位⼩伙伴们关注~谢谢⼤家! 前⽅⾼能!!! 前⽅⾼能!!! ⼈⼯智能常⽤英⽂缩写 ⼀、科普篇: NLP:Natural Language Processing,⾃然语⾔处理; CV:Computer Vision,计算机视觉; BI:Business Intelligence,商业智能; RS:Recommender Systems,推荐系统; DS:Data Science,数据科学; KG:Knowledge Graph,知识图谱; KDD:Knowledge Discovery in Database,知识发现; ICDM:International Conference on Data Mining,国际数据挖掘⼤会; CVPR:Computer Vision and Pattern Recognition,计算机视觉与模式识别⼤会; ILSVRC:ImageNet Large Scale Visual Recongition Challenge,⼤规模图像识别⼤赛; ⼆、机器学习篇: TP:True Positive,真正类; FN:False Negative,假反类; FP:False Positive,假正类; TN:True Negative,真反类; AUC:Area Under Curve,曲线下⾯积; ROC:Receiver Operating Characteristic,受试者⼯作特征曲线; ROI:Return On Investment,投资回报⽐;Region Of Interest,感兴趣区域; MAE:Mean Absolute Error,平均绝对误差; MSE:Mean Square Error,均⽅误差; RMSE:Root Mean Square Error,均⽅根误差; MLE:Maximum Likelihood Estimation,最⼤似然估计; MAP:Maximum A Posterior Estimation,最⼤后验估计; SSR:Sum of Squares for Regression,回归平⽅和; SSE:Sum of Squares for Error,残差平⽅和; SST:Sum of Squares for Total,总偏差平⽅和(SST = SSR + SSE); DT:Decision Tree,决策树; RF:Random Forest,随机森林; CART:Classification And Regression Tree,分类回归树算法; MDL:Minimum Description Length,最⼩描述长度; REP:Reduced Error Ouring,错误率降低剪枝; RBF:Radial Basis Function,径向基函数; PCA:Principal Component Analysis,主成分分析(⼀种常⽤的⽆监督学习⽅法,属于降维⽅法); SVM:Support Vector Machine,⽀持向量机(⼀种⼆分类模型); TF-IDF:Term Frequency-Inverse Document Frequency,词频-逆向⽂档频率; LFM:Latent Factor Model,隐语义模型; LSA:Latent Semantic Analysis,潜在语义分析(⼀种⽆监督学习⽅法); PLSA:Probabilistic Latent Semantic Analysis,概率潜在语义分析模型(⼀种⽆监督学习⽅法); LDA:Latent Dirichlet Allocation,潜在狄利克雷分配(⼀种⽂档主题⽣成模型),Linear Discriminant Analysis,线性判别分析; QDA:Quadratic Discriminant Analysis,⼆次判别分析; LE:Laplacian Eigenmaps,拉普拉斯特征映射; LLE:Locally Linear Embedding,局部线性嵌⼊; VSM:Vector Space Model,向量空间模型; KNN:K-Nearest Neighbor,K最近邻分类算法; ANN:Approximate Nearest Neighbor,近似最近邻算法; MRF:Markov Random Field,马尔可夫随机场; HMM:Hidden Markov Model,隐马尔可夫模型(⼀种⽣成模型); EM:Expectation Maximization algorithm,期望极⼤算法,简称E 在人工智能领域,我们经常遇到各种英文缩写,这些缩写代表了不同的概念和技术。下面将对其中的关键术语进行详细解释: 1. NLP (Natural Language Processing):自然语言处理是AI的一个子领域,专注于使计算机理解和生成人类语言,涉及文本分析、语音识别和机器翻译等。 2. CV (Computer Vision):计算机视觉研究如何让计算机“看”并理解图像和视频,包括图像识别、目标检测和图像分割等技术。 3. BI (Business Intelligence):商业智能是一种数据分析方法,用于收集、处理和生成有助于企业决策的信息。 4. RS (Recommender Systems):推荐系统通过分析用户行为和偏好,为用户提供个性化的产品或服务建议。 5. DS (Data Science):数据科学是结合统计学、计算机科学和领域知识的学科,旨在从数据中提取有价值的信息和洞察。 6. KG (Knowledge Graph):知识图谱是一种结构化的知识表示形式,用于存储实体和实体之间的关系,帮助理解和推理信息。 7. KDD (Knowledge Discovery in Databases):数据库中的知识发现是数据挖掘过程的一部分,旨在从大量数据中发现有用的知识。 8. ICDM (International Conference on Data Mining):国际数据挖掘大会是一个重要的学术会议,专注于数据挖掘领域的最新研究成果。 9. CVPR (Computer Vision and Pattern Recognition):计算机视觉与模式识别大会是计算机视觉领域的顶级会议,展示最新的技术进展。 10. ILSVRC (ImageNet Large Scale Visual Recognition Challenge):大规模图像识别挑战赛是评估计算机视觉模型性能的基准竞赛。 在机器学习领域: 1. TP/FN/FP/TN:真阳性/假阴性/假阳性/真阴性是分类任务中的基本概念,用于评估模型的性能。 2. AUC (Area Under Curve):曲线下面积,通常指的是ROC曲线下的面积,衡量二分类模型的性能。 3. ROC (Receiver Operating Characteristic):受试者工作特征曲线,展示了不同阈值下真阳性率与假阳性率的关系。 4. ROI (Return On Investment):投资回报率,衡量投资的效率。 5. MAE/MSE/RMSE:平均绝对误差、均方误差和均方根误差是评估回归模型预测效果的指标。 6. MLE/MAP:最大似然估计和最大后验估计是参数估计的方法。 7. SSR/SSE/SST:回归平方和、误差平方和和总平方和,用于评估回归模型拟合度。 8. DT/RF/CART:决策树、随机森林和分类回归树是常见的监督学习模型。 9. MDL/REP/RBF:最小描述长度、错误率降低剪枝和径向基函数分别涉及模型复杂度控制、决策树修剪和核函数选择。 10. PCA:主成分分析,用于降维和特征提取。 11. SVM (Support Vector Machine):支持向量机,一种有效的二分类和多分类模型,尤其适用于小样本和高维数据。 12. TF-IDF:词频-逆文档频率,是文本特征表示的重要方法。 13. LFM/LDA/LSA/PLSA:隐语义模型、潜在狄利克雷分配、潜在语义分析和概率潜在语义分析,主要用于文本主题建模。 14. KNN (K-Nearest Neighbor):K最近邻算法,基于实例的学习方法。 15. ANN (Approximate Nearest Neighbor):近似最近邻搜索算法,用于快速查找数据集中的相似项。 16. MRF/Markov Random Field:马尔可夫随机场,常用于图像分析和计算机图形学。 17. HMM (Hidden Markov Model):隐马尔可夫模型,用于序列数据的建模,如语音识别和生物信息学。 18. EM (Expectation Maximization):期望最大化算法,用于估计含有隐变量的概率模型。 以上是人工智能和机器学习领域中的一些关键缩写及其含义,这些知识构成了现代AI技术的基础。随着技术的发展,新的缩写和概念不断涌现,持续学习是适应这一快速变化领域的关键。
- 粉丝: 192
- 资源: 3万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助