深度学习的基本专业术语
深度学习的专业术语
作者:陈若愚
QQ:2389388826
日期:2020年2月26日
Abstract
最近在整理学术论文的过程中发现自己的专业术语不完全正确,因此做如下的整理。主要是围绕着深度学习技术,通过做过的东西延申其基本公式及英文表达。文本采用Markdown方式编辑[1]。
一、人工神经网络
1.人工神经网络:Artificially neural network
通常指仅由全连接层构成的神经网络
2.全连接层:Fully connected layer
3.隐层:Hiden layer
4.神经元:neuron / 节点:node
指每一层全连接层所含的参数个数
5.多层感知机:Multilayer Perceptron (MLP)
二、2D卷积神经网络
1. 前向传播: Forward Propagation
2. 卷积神经网络: Convolutional neural network
3. 卷积: Convolution
卷积步长:stride
填充:padding
填充是针对卷积后卷积层的receptive filed是否发生变化
4. 卷积运算: Convolution operation
5. 卷积核: Convolutional filter
6. 卷积层: Convolutional layer
7. 描述2D卷积卷积核大小:Kernel size / Receptive field
通常描述是卷积核的width和height的大小,比如3*3的卷积核,而与channel方向的卷积核长度无关,长度只与前一层卷积核个数有关。
8. 激活函数:Activation function
(1)Sigmoid:
(2)Tanh:
(3)Relu:
(4)Elu:
(5)Selu:
(6)Softplus:
(7)Softmax:
9. 最大池化:Max pooling
10. 平均池化:Mean pooling
11. BN: Batch Normalization
一种非常有效的正则化方法
12. Dropout
一种正则化方法
Exmaple:
In order to avoid over fitting prob- lem in the designed networks, we adopted the “Dropout” method to drop out 25% hidden neurons after the third fully connected layers.
13. L 2 L_{2} L2 loss / Suqared loss
14. MSE: Mean square error
15. L 2 L_{2} L2 正则化: L 2 L_{2} L2 regularization
16. 反向传播:backpropagation
17. 优化方法:Optimization
注:编程中的函数习惯用Optimizer,在学术写作尽量用Optimization,例如Adam optimization method
(1)Gradient Descent
(2)SGD
(3)Momentum
(4)Adagrad
(5)Adadelta
(6)RMSprop
(7)Adam
18. 学习率:Learning rate
19. 指数衰减学习率:Learning rate exponential decay
20. 训练步数:Step
经过一次优化为一步
21. 训练周期:Epoch
将数据集全部输入一轮回为一个epoch
22. 收敛:Convergence
当在训练神经网络时,准确率或者损失函数随训练步数的增加而变化很小时即为收敛
23. 回归:Regression
24. 分类:Classification
25. 交叉熵损失函数:Cross-entropy
常用于多分类任务的代价函数
26. 批量输入大小:Batch size
27. 学习曲线:Learning curve
28. 训练集,交叉验证集,测试集:Training data, cross-validation data, test data
29. 精度:Precise
多评价回归问题
30. 准确率:Accuracy
多评价分类问题
Reference
[1] https://www.zybuluo.com/mdeditor?url=https://www.zybuluo.com/static/editor/md-help.markdown
[2] https://developers.google.com/machine-learning/glossary#c
[3] https://acadgild.com/blog/data-science-glossary-deep-learning-key-terms
[4] https://www.analyticsvidhya.com/blog/2017/05/25-must-know-terms-concepts-for-beginners-in-deep-learning/
[5] Luo G , Dong S , Wang K , et al. Multi-Views Fusion CNN for Left Ventricular Volumes Estimation on Cardiac MR Images[J]. Biomedical Engineering, IEEE Transactions on, 2018, 65(9):1924-1934.
深度学习的基本专业术语相关推荐
- 深度学习常见的专业术语
(部分内容转载自网络,有修改) 激活函数(Activation Function) 为了让神经网络能够学习复杂的决策边界(decision boundary),我们在其一些层应用一个非线性激活函数.最 ...
- 干货丨详解深度学习的一些关键术语
深度学习已经成为编程界的一股潮流,因为其在许多领域取得了令人难以置信的成功,使其在研究和工业领域广受欢迎.那么到底什么是深度学习呢? 深度学习是应用深层神经网络技术:即利用具有多个隐藏层的神经网络结构 ...
- 深度学习中的专业英语词汇(by Youki)
1 前言 CV中有很多专有名词,Youki在这里记录一下~ 本文排版符号 冒号:使用中文冒号:. 2 逻辑用语 w.r.t.:with respect to,关于,在--方面: refrain fro ...
- [ 深度学习 ] 基础知识:深度学习的57个术语
转自:https://www.cnblogs.com/hmy-blog/p/6555939.html 激活函数(Activation Function) 为了让神经网络能够学习复杂的决策边界(deci ...
- 深度学习中的一些术语和概念
全连接的前馈神经网络 CNN(Convolutional Neural Network)--卷积神经网络,通常用于图像数据 RNN(Recurrent Neural Network)--循环神经网络递 ...
- 专业显卡深度学习_胜任专业学习工作领域,双11就买RTX显卡神舟战神游戏本
或许老玩家们都发现,除了"吃鸡"乃至"LOL"这种"老游戏"之外,这两年我们并没有迎来爆发式普及的电竞作品.换句话说,游戏电竞领域将进入常态 ...
- 人工智能(机器学习、深度学习等)专业名词、代码参数解释(持续更新)
说明:记录日常学习中遇到的专业名词,代码参数.既是自己的学习笔记,也供大伙交流学习. epoch:当一个完整的数据集中的所有训练样本在神经网络中都进行了一次正向传播和一次反向传播,这个过程称为一次ep ...
- 《临时笔记》一些深度学习中的英文术语的纪录
∇\nabla∇ 联系方式: e-mail: FesianXu@gmail.com QQ: 973926198 github: https://github.com/FesianXu 知乎专栏: 计算 ...
- 深度学习(9) 计算机专业方面的期刊介绍
转载自:http://www.cnblogs.com/growup/archive/2011/02/22/1971534.html 计算机专业方面的期刊介绍 一.计算机科学期刊介绍 计算机科学的pub ...
最新文章
- linux搭建mcpe服务器_技术|如何搭建“我的世界”服务器
- 远程连接身份验证错误,又找不到加密Oracle修正
- 分页原理+软件架构师
- linux一键启动,Linux一键启动、停止、重启Tomcat sh脚本
- vantUI应用(Tabbar标签页)返回上一页的失效问题
- c语言从1加到任意数的编程,c语言:从键盘任意输入一个整数n,编程计算并输出1-n之间的所有素数之和...
- php 合并数组对象,JS内数组合并方法与对象合并实现步骤详解
- 基于JAVA+Servlet+JSP+MYSQL的幼儿园管理系统
- 谷歌强推 Rust 进驻 Linux 内核,与主要开发者签订合同!
- python自学网-python自学网
- 讯飞输入法粤语语音识别率达95%支持粤转普
- python汉化idle_idle python
- 推荐9个强大的谷歌插件,程序猿必备!不看后悔系列!
- 接近开关 NPN 与 PNP的区别
- unity漂移 unity3d教程 // WheelCollider
- jQuery 效果 - fadeIn() 方法
- DQN-FlappyBird项目学习
- 幼儿园计算机网络教室工作计划,幼儿园2017-2018学年游戏教学工作计划
- 结构化英语查询语言SQL
- .NET 6 Minimal API 的经验分享