Command Palette
Search for a command to run...
百科
我们编汇了数百条相关词条，帮助您理解「人工智能」
归纳逻辑程序设计 (ILP) 是一种符号规则学习方法，它在一阶规则学习中引入了函数和逻辑表达式嵌套，并以一阶逻辑为表达语言。 ILP 让机器学习系统具备更为强大的表达能力，同时它可看作是用机器学习的应用，主要用于解决基于背 […]
核技巧是一种利用核函数直接计算 $latex \langle\phi(x), \phi(z)\rangle $，以避开分别计算 $latex \phi(x) $ 和 $latex \phi(z) $ ，从而加速核方法计算 […]
递归神经网络是一种表示学习方法，它可以将词、句、段、篇按照他们的语义映射到同一个向量空间中，也就是把可组合（树/图结构）的信息表示为一个个有意义的向量。
负相关是指两列变量变动方向相反，一列变量变化时，另一列变量反而随着前一变量呈现相反趋势的变化。
单变量决策树 是指只有一个变量的决策树。即每次节点分裂时，只会选择特征集中的某一个特征，这也意味着决策树的分类边界是由若干个与坐标轴平行的分段组成。
负对数似然是一种用于解决分类问题的损失函数，它是似然函数得一种自然对数形式，可用于测量两种概率分布之间的相似性，其取负号是为了让最大似然值和最小损失相对应，是最大似然估计及相关领域的常见函数形式。 机器学习中，习惯用优化 […]
非凸优化是机器学习和信号处理领域的一种方法。指的是针对非凸问题，不使用松弛处理而直接解决引起目标或直接优化非凸公式的方法。
非线性模型是指自变量和依变量间存在非线性关系的数学表达式。相对于线性模型而言，其依变量与自变量间不能在坐标空间表示为线性对应关系。
非度量距离是指不满足直递性的参数间的距离。
非负矩阵分解 ( NMF），是所有元素均满足非负约束下的一种矩阵分解方法。
范数是数学中一种基本的函数。常常被用来度量某个向量空间（或矩阵）中的向量的长度或大小。对于模型参数的范数，可以用来作为规则化函数。
独依赖估计（ODE）独依赖估计是半朴素贝叶斯分类器最常用的一种策略。所谓独依赖，就是假设每个属性在类别之外最多仅依赖一个其他属性。
多项式核函数指以多项式形式表示的核函数。它是一种非标准核函数，适合于正交归一化后的数据，其具体形式见图。
多释原则是主张保留与经验观察一致的所有假设的一种思想。
超平面分割是指如果两个不相交的凸集都是开放的，则存在超平面，可将它们分割开。
分层抽样是一种先分层再抽取的抽样方法。是统计学中常用的抽取样本的方法。
符号学习是指从功能上模拟人类学习能力的机器学习方法。
符号主义人工智能领域坚信数理逻辑的一个流派。
单位阶跃函数又称赫维赛德阶跃函数，定义如下： 其图像如下： 相关词：激冲函数，
冯·诺伊曼架构是一种将程序指令存储器和数据存储器合并在一起的计算机设计概念结构。
二次学习是指在一次学习情况不理想的情况下的重复学习。
非均等代价是指赋予每个类别造成的损失代价不同的情况。
非饱和博弈是受到启发式方法的启发， 而不是基于理论的分析。
对抗网络是生成对抗网络的一种实现，用于针对指定的神经网络模型，批量生成对抗样本。
归纳逻辑程序设计 (ILP) 是一种符号规则学习方法，它在一阶规则学习中引入了函数和逻辑表达式嵌套，并以一阶逻辑为表达语言。 ILP 让机器学习系统具备更为强大的表达能力，同时它可看作是用机器学习的应用，主要用于解决基于背 […]
核技巧是一种利用核函数直接计算 $latex \langle\phi(x), \phi(z)\rangle $，以避开分别计算 $latex \phi(x) $ 和 $latex \phi(z) $ ，从而加速核方法计算 […]
递归神经网络是一种表示学习方法，它可以将词、句、段、篇按照他们的语义映射到同一个向量空间中，也就是把可组合（树/图结构）的信息表示为一个个有意义的向量。
负相关是指两列变量变动方向相反，一列变量变化时，另一列变量反而随着前一变量呈现相反趋势的变化。
单变量决策树 是指只有一个变量的决策树。即每次节点分裂时，只会选择特征集中的某一个特征，这也意味着决策树的分类边界是由若干个与坐标轴平行的分段组成。
负对数似然是一种用于解决分类问题的损失函数，它是似然函数得一种自然对数形式，可用于测量两种概率分布之间的相似性，其取负号是为了让最大似然值和最小损失相对应，是最大似然估计及相关领域的常见函数形式。 机器学习中，习惯用优化 […]
非凸优化是机器学习和信号处理领域的一种方法。指的是针对非凸问题，不使用松弛处理而直接解决引起目标或直接优化非凸公式的方法。
非线性模型是指自变量和依变量间存在非线性关系的数学表达式。相对于线性模型而言，其依变量与自变量间不能在坐标空间表示为线性对应关系。
非度量距离是指不满足直递性的参数间的距离。
非负矩阵分解 ( NMF），是所有元素均满足非负约束下的一种矩阵分解方法。
范数是数学中一种基本的函数。常常被用来度量某个向量空间（或矩阵）中的向量的长度或大小。对于模型参数的范数，可以用来作为规则化函数。
独依赖估计（ODE）独依赖估计是半朴素贝叶斯分类器最常用的一种策略。所谓独依赖，就是假设每个属性在类别之外最多仅依赖一个其他属性。
多项式核函数指以多项式形式表示的核函数。它是一种非标准核函数，适合于正交归一化后的数据，其具体形式见图。
多释原则是主张保留与经验观察一致的所有假设的一种思想。
超平面分割是指如果两个不相交的凸集都是开放的，则存在超平面，可将它们分割开。
分层抽样是一种先分层再抽取的抽样方法。是统计学中常用的抽取样本的方法。
符号学习是指从功能上模拟人类学习能力的机器学习方法。
符号主义人工智能领域坚信数理逻辑的一个流派。
单位阶跃函数又称赫维赛德阶跃函数，定义如下： 其图像如下： 相关词：激冲函数，
冯·诺伊曼架构是一种将程序指令存储器和数据存储器合并在一起的计算机设计概念结构。
二次学习是指在一次学习情况不理想的情况下的重复学习。
非均等代价是指赋予每个类别造成的损失代价不同的情况。
非饱和博弈是受到启发式方法的启发， 而不是基于理论的分析。
对抗网络是生成对抗网络的一种实现，用于针对指定的神经网络模型，批量生成对抗样本。