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
机器鱼14 分钟前
1.2 基于卷积神经网络与SE注意力的轴承故障诊断
深度学习·机器学习·cnn
牙牙要健康1 小时前
【目标检测】【深度学习】【Pytorch版本】YOLOV2模型算法详解
pytorch·深度学习·目标检测
wgc2k2 小时前
吴恩达深度学习复盘(4)神经网络的前向传播
人工智能·深度学习
屎派克2 小时前
神经网络知识
人工智能·深度学习·神经网络
硅谷秋水4 小时前
大语言模型智体的综述:方法论、应用和挑战(下)
人工智能·深度学习·机器学习·语言模型·自然语言处理
林泽毅5 小时前
SwanLab Slack通知插件:让AI训练状态同步更及时
深度学习·机器学习·强化学习
大霸王龙5 小时前
LLM(语言学习模型)行为控制技术
python·深度学习·学习
Peter11467178506 小时前
服务器入门操作1(深度学习)
服务器·人工智能·笔记·深度学习·学习