人工智能|人工智能术语集

2021-10-12

文章图片

术语来源

全部来自近期的人工智能SOTA论文，如果你近期有读过，那么很多术语你将不会陌生。

术语作用

在工作中，如果你需要通过论文寻找当前任务的解决方案，那么最起码你需要知道术语的含义；
在面试中，面试官需要你表达自己的专业想法，如果你选择借助术语来阐述，Perfect！
另外，如果你还有机会做技术分享，跨企业交流，不懂术语你都不知道人家说什么啊！
好了，Please Follow Me！每周通过你的碎片时间学习10个AI术语（在我的笔记本上已经记下了5302个，够你们学了）。

术语内容

from scratch

描述模型的重新训练，因为现在使用预训练模型很火，但是就有一些‘耿直’的人喜欢从随机初始化参数里重新训练，就用这个描述。

word sense disambiguation

词义消歧，NLP的重要基础任务之一，消除同一个词在句子中可能的歧义，表面意思不难理解吧。

temporal processing

时域处理，你要想到循环神经网络，比如RNN的序列处理逻辑，当这个序列以时间为轴，就是时域处理。

contrastive learning

对比学习，自监督的一种方式，一般在论文里都是有监督学习的衬托角色，至少现在这个年代是！

inverse function

反函数，人工智能总得和数学有点关系吧，这个初中数学术语要记住！

teaser example

有关AI的脑筋急转弯（例子），有人在论文里出脑筋急转弯，我TM也没办法。

on the majority of datasets

在大多数数据上，你可能会接下一句：‘我的模型都取得了当前最佳效果’。

the relative paucity if labeled data

标签数据的相对匮乏，基本上所有的数据增强论文，都在解决这个问题。

step recurrence

重复步，我们的模型训练的过程，就是一个‘重复步’迭代的过程。

symmetrized KL-divergence

对称KL散度，对称先不说，KL散度你多多少少听过吧，和交叉熵损失函数什么关系来着？

【人工智能|人工智能术语集】被虐的还不过瘾？快关注我，查看更多粉丝可见内容！！！

推荐阅读

上一篇：初始Unity

下一篇：理解前置自增自减++（--）和后置自增自减++（--）