关键词

AI dApps: 分散式人工智能应用程序,其后端通常是区块链
Weak-AI: 弱人工智能/应用人工智能
AGI: 通用人工智能
Brute-force search: 在计算机科学中,蛮力搜索或穷举搜索(也称为生成和测试)是一种非常普遍的问题解决技术,它包括系统地枚举解决方案的所有可能候选者,并检查每个候选人是否满足问题的陈述。
AlphaGo\cite{search}: AlphaGo是一款玩电脑游戏Go的计算机程序。它由Alphabet Inc.在伦敦的Google DeepMind开发.
GD: 梯度下降是用于找到函数最小值的一阶迭代优化算法。 为了使用梯度下降找到函数的局部最小值,需要采用与当前点处函数的梯度(或近似梯度)的负值成比例的步长。 相反,如果采用与梯度的正值成比例的步长,则接近该函数的局部最大值; 然后将该过程称为梯度上升。
Supervised-Learning: 监督学习是学习函数的机器学习任务,该函数基于示例输入 - 输出对将输入映射到输出
Unsupervised-learning: 无监督学习是一种机器学习算法,用于从没有标记响应的输入数据组成的数据集中得出推论。
NBC: 在机器学习中,朴素贝叶斯分类器是一系列简单的“概率分类器”,它基于贝叶斯定理应用特征之间的强(天真)独立假设。
CA: 聚类分析的任务是对一组对象进行分组,使得同一组(称为集群)中的对象(在某种意义上)与其他组(集群)中的对象更相似(在某种意义上)
DMR: 维数减少或降维是通过获得一组主要变量来减少所考虑的随机变量数量[1]的过程。 它可以分为特征选择和特征提取
PCA: 主成分分析(PCA)是一种统计过程,它使用正交变换将可能相关变量的一组观察值转换为称为主成分的线性不相关变量的一组值。
K-NN: k-NN是一种基于实例的学习或懒惰学习,其中函数仅在本地近似,并且所有计算都推迟到分类。 k-NN算法是所有机器学习算法中最简单的算法之一。
SVM: 支持向量机(SVM,也支持向量网络)是带有相关学习算法的监督学习模型,用于分析用于分类和回归分析的数据
RL: 强化学习(RL)是受行为主义心理学启发的机器学习领域[引证需要],关注软件代理应如何在环境中采取行动以最大化一些累积奖励的概念。
AI-complete: 在人工智能领域,最困难的问题是非正式地称为AI-complete或AI-hard,这意味着这些计算问题的难度等同于解决中心人工智能问题 - 使计算机像人一样聪明, 或强大的AI
NP-complete: 在计算复杂性理论中,NP完全决策问题是属于NP和NP难复杂类的问题。 在这种情况下,NP代表“非确定性多项式时间”。 NP完全问题的集合通常用NP-C或NPC表示
DL: 深度学习(也称为深度结构化学习或分层学习)是基于学习数据表示的更广泛的机器学习方法系列的一部分,而不是特定于任务的算法。 学习可以是监督,半监督或无监督
CNN: 卷积神经网络(CNN,或ConvNet)是一类深度前馈人工神经网络,已成功应用于分析视觉图像。
RNN: 递归神经网络(RNN)是一类人工神经网络,其中单元之间的连接形成沿序列的有向图。
LSTM: 长短期记忆(LSTM)单位(或块)是递归神经网络(RNN)的层的构建单元。 由LSTM单元组成的RNN通常称为LSTM网络。 公共LSTM单元由单元,输入门,输出门和忘记门组成
Singularity: 技术奇点(也就是简单地说,奇点)是人造超级智能(ASI)的发明将突然引发技术增长失控的假设,导致人类文明的不可思议的变化。 根据这一假设,可升级的智能代理(例如运行基于软件的人工通用智能的计算机)将进入自我改善周期的“失控反应”,每个新的和更智能的一代出现越来越快,导致 智能爆炸并产生强大的超级智能
GAN: 生成对抗网络(GAN)是一种用于无监督机器学习的人工智能算法,由两个神经网络系统在零和游戏框架中相互竞争实现
SAAS: 软件即服务是一种软件许可和交付模型,其中软件是基于订阅许可的,并且是集中托管的。
Colo: 托管中心(也称拼写共址或colo)或“运营商酒店”是一种数据中心,其中设备,空间和带宽可供零售客户租用。
On-premise distribution: 内部部署软件(有时是“内部部署”或缩写为“本地内部”)安装并使用软件在个人或组织的场所(建筑物内)的计算机上运行,而不是在远程设施上运行。 作为服务器场或云
DFSM: 确定性有限状态机是一种有限状态机,它接受和拒绝符号串,并且只为每个输入字符串产生自动机的唯一计算(或运行)
MSE: 均方误差
BFT: 拜占庭容错