English Terminology | 中文术语 |
---|---|
neural networks | 神经网络 |
activation function | 激活函数 |
hyperbolic tangent | 双曲正切函数 |
bias units | 偏置项 |
activation | 激活值 |
forward propagation | 前向传播 |
feedforward neural network | 前馈神经网络 |
Backpropagation Algorithm | 反向传播算法 |
(batch) gradient descent | (批量)梯度下降法 |
(overall) cost function | (整体)代价函数 |
squared-error | 方差 |
average sum-of-squares error | 均方差 |
regularization term | 规则化项 |
weight decay | 权重衰减 |
bias terms | 偏置项 |
Bayesian regularization method | 贝叶斯规则化方法 |
Gaussian prior | 高斯先验概率 |
MAP | 极大后验估计 |
maximum likelihood estimation | 极大似然估计 |
activation function | 激活函数 |
tanh function | 双曲正切函数 |
non-convex function | 非凸函数 |
hidden (layer) units | 隐藏层单元 |
symmetry breaking | 对称失效 |
learning rate | 学习速率 |
forward pass | 前向传导 |
hypothesis | 假设值 |
error term | 残差 |
weighted average | 加权平均值 |
feedforward pass | 前馈传导 |
Hadamard product | 阿达马乘积 |
forward propagation | 前向传播 |
off-by-one error | 缺位错误 |
bias term | 偏置项 |
numerically checking | 数值检验 |
numerical roundoff errors | 数值舍入误差 |
significant digits | 有效数字 |
unrolling | 组合扩展 |
learning rate | 学习速率 |
Hessian matrix Hessian | 矩阵 |
Newton's method | 牛顿法 |
conjugate gradient | 共轭梯度 |
step-size | 步长值 |
Autoencoders | 自编码算法 |
Sparsity | 稀疏性 |
neural networks | 神经网络 |
supervised learning | 监督学习 |
unsupervised learning | 无监督学习 |
hidden units | 隐藏神经元 |
the pixel intensity value | 像素灰度值 |
IID | 独立同分布 |
PCA | 主元分析 |
active | 激活 |
inactive | 抑制 |
activation function | 激活函数 |
activation | 激活度 |
the average activation | 平均活跃度 |
sparsity parameter | 稀疏性参数 |
penalty term | 惩罚因子 |
KL divergence | KL 散度 |
Bernoulli random variable | 伯努利随机变量 |
overall cost function | 总体代价函数 |
backpropagation | 后向传播 |
forward pass | 前向传播 |
gradient descent | 梯度下降 |
the objective | 目标函数 |
the derivative checking method | 梯度验证方法 |
Visualizing | 可视化 |
Autoencoder | 自编码器 |
hidden unit | 隐藏单元 |
non-linear feature | 非线性特征 |
activate | 激励 |
trivial answer | 平凡解 |
norm constrained | 范数约束 |
sparse autoencoder | 稀疏自编码器 |
norm bounded | 有界范数 |
input domains | 输入域 |
vectorization | 矢量化 |
Logistic Regression | 逻辑回归 |
batch gradient ascent | 批量梯度上升法 |
intercept term | 截距 |
the log likelihood | 对数似然函数 |
derivative | 导函数 |
gradient | 梯度 |
vectorization | 向量化 |
forward propagation | 正向传播 |
backpropagation | 反向传播 |
training examples | 训练样本 |
activation function | 激活函数 |
sparse autoencoder | 稀疏自编码网络 |
sparsity penalty | 稀疏惩罚 |
average firing rate | 平均激活率 |
Principal Components Analysis | 主成份分析 |
whitening | 白化 |
intensity | 亮度 |
mean | 平均值 |
variance | 方差 |
covariance matrix | 协方差矩阵 |
basis | 基 |
magnitude | 幅值 |
stationarity | 平稳性 |
normalization | 归一化 |
eigenvector | 特征向量 |
redundant | 冗余 |
variance | 方差 |
smoothing | 平滑 |
dimensionality reduction | 降维 |
regularization | 正则化 |
reflection matrix | 反射矩阵 |
decorrelation | 去相关 |
Principal Components Analysis (PCA) | 主成分分析 |
zero-mean | 均值为零 |
mean value | 均值 |
eigenvalue | 特征值 |
symmetric positive semi-definite matrix | 对称半正定矩阵 |
numerically reliable | 数值计算上稳定 |
sorted in decreasing order | 降序排列 |
singular value | 奇异值 |
singular vector | 奇异向量 |
vectorized implementation | 向量化实现 |
diagonal | 对角线 |
Softmax Regression | Softmax回归 |
supervised learning | 有监督学习 |
unsupervised learning | 无监督学习 |
deep learning | 深度学习 |
logistic regression | logistic回归 |
intercept term | 截距项 |
binary classification | 二元分类 |
class labels | 类型标记 |
hypothesis | 估值函数/估计值 |
cost function | 代价函数 |
multi-class classification | 多元分类 |
weight decay | 权重衰减 |
self-taught learning | 自我学习/自学习 |
unsupervised feature learning | 无监督特征学习 |
autoencoder | 自编码器 |
semi-supervised learning | 半监督学习 |
deep networks | 深层网络 |
fine-tune | 微调 |
unsupervised feature learning | 非监督特征学习 |
pre-training | 预训练 |
Deep Networks | 深度网络 |
deep neural networks | 深度神经网络 |
non-linear transformation | 非线性变换 |
represent compactly | 简洁地表达 |
part-whole decompositions | “部分-整体”的分解 |
parts of objects | 目标的部件 |
highly non-convex optimization problem | 高度非凸的优化问题 |
conjugate gradient | 共轭梯度 |
diffusion of gradients | 梯度的弥散 |
Greedy layer-wise training | 逐层贪婪训练方法 |
autoencoder | 自动编码器 |
Greedy layer-wise training | 逐层贪婪训练法 |
Stacked autoencoder | 栈式自编码神经网络 |
Fine-tuning | 微调 |
Raw inputs | 原始输入 |
Hierarchical grouping | 层次型分组 |
Part-whole decomposition | 部分-整体分解 |
First-order features | 一阶特征 |
Second-order features | 二阶特征 |
Higher-order features | 更高阶特征 |
Linear Decoders | 线性解码器 |
Sparse Autoencoder | 稀疏自编码 |
input layer | 输入层 |
hidden layer | 隐含层 |
output layer | 输出层 |
neuron | 神经元 |
robust | 鲁棒 |
sigmoid activation function | S型激励函数 |
tanh function | tanh激励函数 |
linear activation function | 线性激励函数 |
identity activation function | 恒等激励函数 |
hidden unit | 隐单元 |
weight | 权重 |
error term | 偏差项 |
Full Connected Networks | 全连接网络 |
Sparse Autoencoder | 稀疏编码 |
Feedforward | 前向输送 |
Backpropagation | 反向传播 |
Locally Connected Networks | 部分联通网络 |
Contiguous Groups | 连接区域 |
Visual Cortex | 视觉皮层 |
Convolution | 卷积 |
Stationary | 固有特征 |
Pool | 池化 |
features | 特征 |
example | 样例 |
over-fitting | 过拟合 |
translation invariant | 平移不变性 |
pooling | 池化 |
extract | 提取 |
object detection | 物体检测 |
DC component | 直流分量 |
local mean subtraction | 局部均值消减 |
sparse autoencoder | 消减归一化 |
rescaling | 缩放 |
per-example mean subtraction | 逐样本均值消减 |
feature standardization | 特征标准化 |
stationary | 平稳 |
zero-mean | 零均值化 |
low-pass filtering | 低通滤波 |
reconstruction based models | 基于重构的模型 |
RBMs | 受限Boltzman机 |
k-Means | k-均值 |
long tail | 长尾 |
loss function | 损失函数 |
orthogonalization | 正交化 |
Sparse Coding | 稀疏编码 |
unsupervised method | 无监督学习 |
over-complete bases | 超完备基 |
degeneracy | 退化 |
reconstruction term | 重构项 |
sparsity penalty | 稀疏惩罚项 |
norm | 范式 |
generative model | 生成模型 |
linear superposition | 线性叠加 |
additive noise | 加性噪声 |
basis feature vectors | 特征基向量 |
the empirical distribution | 经验分布函数 |
the log-likelihood | 对数似然函数 |
Gaussian white noise | 高斯白噪音 |
the prior distribution | 先验分布 |
prior probability | 先验概率 |
source features | 源特征 |
the energy function | 能量函数 |
regularized | 正则化 |
least squares | 最小二乘法 |
convex optimization software | 凸优化软件 |
conjugate gradient methods | 共轭梯度法 |
quadratic constraints | 二次约束 |
the Lagrange dual | 拉格朗日对偶函数 |
feedforward architectures | 前馈结构算法 |
Independent Component Analysis | 独立成分分析 |
Over-complete basis | 超完备基 |
Orthonormal basis | 标准正交基 |
Sparsity penalty | 稀疏惩罚项 |
Under-complete basis | 不完备基 |
Line-search algorithm | 线搜索算法 |
Topographic cost term | 拓扑代价项 |
来源:机器人网
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !