计算机方向的一些重要缩写和简介

参考:
深度学习四大类网络模型
干货|机器学习超全综述!
机器学习ML、卷积神经网络CNN、循环神经网络RNN、马尔可夫蒙特卡罗MCMC、生成对抗网络GAN、图神经网络GNN------人工智能经典算法

  • MLP(Multi Layer Perseption)用在神经网络中
  • CNN(Convolutional Neural Networks):卷积神经网络
    主要用于CV
  • U-Net
    用于语义分割
  • RNN(Recurrent Neural Network):循环神经网络(或者说递归神经网络)

  • DNN(Deep Neural Networks):深度神经网络

  • GNN(Graph Neural Networks):图神经网络

  • BRNN(Recurrent Neural Network):双向长短时记忆循环神经网络

  • GAN(Generative Adversarial Networks):生成式对抗网络

  • SORT(Simple Online and Realtime Tracking):简单的在线和实时跟踪

  • NLP(Natural Language Processing):自然语言处理

  • MTL(Multi-Task-Learning):多任务学习

  • LSTM(Long Short-Term Memory):长短期记忆网络

  • CV(Computer Vision):计算机视觉

  • Transformer

    主要用在NLP中,现在在CV领域,也在快速发展,目前最火的肯定是GPT,主要用来做内容生成。

  • GPT

    GPT:Generative Pre-trained Transformer:生成式预训练Transformer。主要用在文本生成,图像生成,机器聊天,机器问答等领域。

机器学习ML主要体现在几个部分:

数据挖掘:来发现数据之间的关系

CV:这个很火

NLP:自然语言处理,这个和大语言模型差不多

语音识别:让机器听懂机器

决策:让机器做决定。(无人驾驶中的汽车控制决策)

我很喜欢这个图来表示机器学习:

模型建立是属于比较有趣的部分,根据目标变量(通常称为Y变量)的数据类型(定性或定量),建立一个分类(如果Y是定性的)或回归(如果Y是定量的)模型。

机器学习算法可以大致分为以下三种类型之一:

监督学习:是一种机器学习任务,建立输入X和输出Y变量之间的数学(映射)关系。这样的X、Y对构成了用于建立模型的标签数据,以便学习如何从输入中预测输出。

无监督学习:是一种只利用输入X变量的机器学习任务。这种 X 变量是未标记的数据,学习算法在建模时使用的是数据的固有结构。

强化学习:是一种决定下一步行动方案的机器学习任务,它通过试错学习来实现这一目标,努力使回报最大化。

相关推荐
旧故新长5 分钟前
支持Function Call的本地ollama模型对比评测-》开发代理agent
人工智能·深度学习·机器学习
微学AI18 分钟前
融合注意力机制和BiGRU的电力领域发电量预测项目研究,并给出相关代码
人工智能·深度学习·自然语言处理·注意力机制·bigru
知来者逆29 分钟前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
每天都要写算法(努力版)2 小时前
【神经网络与深度学习】训练集与验证集的功能解析与差异探究
人工智能·深度学习·神经网络
BB_CC_DD2 小时前
四. 以Annoy算法建树的方式聚类清洗图像数据集,一次建树,无限次聚类搜索,提升聚类搜索效率。(附完整代码)
深度学习·算法·聚类
Blossom.1183 小时前
人工智能在智能家居中的应用与发展
人工智能·深度学习·机器学习·智能家居·vr·虚拟现实·多模态融合
HyperAI超神经3 小时前
12个HPC教程汇总!从入门到实战,覆盖分子模拟/材料计算/生物信息分析等多个领域
图像处理·人工智能·深度学习·生物信息·分子模拟·材料计算·vasp
进来有惊喜4 小时前
深度学习:迁移学习
python·深度学习
豆芽8194 小时前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
北上ing5 小时前
从FP32到BF16,再到混合精度的全景解析
人工智能·pytorch·深度学习·计算机视觉·stable diffusion