自动驾驶深度学习常用中英文对照表
自动驾驶深度学习常用中英文对照表
- A
- B
- C
- D
- E
- F
- G
- H
- I
- J
- K
- L
- M
- N
- O
- P
- Q
- R
- S
- T
- U
- V
- W
- Z
A
英文 | 中文 | 词性 |
---|---|---|
activation | 激活值 | n,名词 |
activation function | 激活函数 | |
additive noise | 加性噪声 | |
autoencoder | 自编码器 | |
Autoencoders | 自编码算法 | |
average firing rate | 平均激活率 | |
average sum-of-squares error | 均方差 | |
autonomous | 自动的,自主的,自发的 |
B
英文 | 中文 | 词性 |
---|---|---|
backpropagation | 后向传播 | |
basis | 基 | |
basis feature vectors | 特征基向量 | |
batch gradient ascent | 批量梯度上升法 | |
Bayesian regularization method | 贝叶斯规则化方法 | |
benchmark datasets | 标准数据集 | |
Bernoulli random variable | 伯努利随机变量 | |
bias term | 偏置项 | |
binary classfication | 二元分类 | |
benchmark | 基准 | n |
C
英文 | 中文 | 词性 |
---|---|---|
class labels | 类型标记 | |
concatenation | 级联 | |
confidence value | 广义置信度 | |
cascaded cross channel parametric pooling | cccp层 | |
confidence map | 置信图 | |
conjugate gradient | 共轭梯度 | |
contiguous groups | 联通区域 | |
convex optimization software | 凸优化软件 | |
convolution | 卷积 | |
cost function | 代价函数 | |
covariance matrix | 协方差矩阵 |
D
英文 | 中文 | 词性 |
---|---|---|
data augmentation | 数据增强 | |
DC component | 直流分量 | |
decorrelation | 去相关 | |
degeneracy | 退化 | |
demensionality reduction | 降维 | |
derivative | 导函数 | |
diagonal | 对角线 | |
diffusion of gradients | 梯度的弥散 | |
dimensionality | 维度 |
E
英文 | 中文 | 词性 |
---|---|---|
eigenvalue | 特征值 | |
eigenvector | 特征向量 | |
Euclidean distance | 欧式距离 | |
error term | 残差 |
F
英文 | 中文 | 词性 |
---|---|---|
feature matrix | 特征矩阵 | |
feature standardization | 特征标准化 | |
feedforward neural network | 前馈神经网络 | |
feedforward pass | 前馈传导 | |
fine-tuned | 微调 | |
first-order feature | 一阶特征 | |
forward pass | 前向传导 | |
forward propagation | 前向传播 | |
feedforward architectures | 前馈结构算法 | |
fuction approximator | 函数拟合器 | |
fusion | 模型融合 | |
framework | 框架,结构 | n,名词 |
G
英文 | 中文 | 词性 |
---|---|---|
Gaussian prior | 高斯先验概率 | |
generative model | 生成模型 | |
geometric mean | 几何均值 | |
gradient descent | 梯度下降 | |
Greedy layer-wise training | 逐层贪婪训练方法 | |
GLM (generalized linear model) | 广义线性模型 | |
grouping matrix | 分组矩阵 |
H
英文 | 中文 | 词性 |
---|---|---|
high resolution images | 高清图像 | |
Hadamard product | 阿达马乘积 | |
Hessian matrix Hessian | 矩阵 | |
hidden layer | 隐含层 | |
hidden units | 隐藏神经元 | |
Hierarchical grouping | 层次型分组 | |
higher-order features | 更高阶特征 | |
highly non-convex optimization problem | 高度非凸的优化问题 | |
histogram | 直方图 | |
hyperbolic tangent | 双曲正切函数 | |
hypothesis | 估值,假设 | |
horizontal reflection | 水平反射(数据增强的一种) |
I
英文 | 中文 | 词性 |
---|---|---|
identity activation function | 恒等激励函数 | |
IID | 独立同分布 | |
illumination | 照明 | |
inactive | 抑制 | |
independent component analysis | 独立成份分析 | |
input domains | 输入域 | |
input layer | 输入层 | |
intensity | 亮度/灰度 | |
intercept term | 截距 |
J
英文 | 中文 | 词性 |
---|---|---|
jittering | 数据抖动 |
K
英文 | 中文 | 词性 |
---|---|---|
KL divergence | 相对熵 | |
KL divergence | KL分散度 | |
k-Means | K-均值 |
L
英文 | 中文 | 词性 |
---|---|---|
latent concepts | 潜在概念 | |
learning rate | 学习速率 | |
least squares | 最小二乘法 | |
linear correspondence | 线性响应 | |
linear superposition | 线性叠加 | |
line-search algorithm | 线搜索算法 | |
local mean subtraction | 局部均值消减 | |
local response normalization | 局部归一化响应 | |
local optima | 局部最优解 | |
logistic regression | 逻辑回归 | |
loss function | 损失函数 | |
low-pass filtering | 低通滤波 |
M
英文 | 中文 | 词性 |
---|---|---|
magnitude | 幅值 | |
MAP | 极大后验估计 | |
maximum likelihood estimation | 极大似然估计 | |
mean | 平均值 | |
MFCC Mel | 倒频系数 | |
multi-class classification | 多元分类 | |
multilayer perceptron | 多层感知器 |
N
英文 | 中文 | 词性 |
---|---|---|
neural networks | 神经网络 | |
neuron | 神经元 | |
Newton’s method | 牛顿法 | |
non-convex function | 非凸函数 | |
non-linear feature | 非线性特征 | |
norm | 范式 | |
norm bounded | 有界范数 | |
norm constrained | 范数约束 | |
normalization | 归一化 | |
numerical roundoff errors | 数值舍入误差 | |
numerically checking | 数值检验 | |
numerically reliable | 数值计算上稳定 |
O
英文 | 中文 | 词性 |
---|---|---|
object detection | 物体检测 | |
objective function | 目标函数 | |
off-by-one error | 缺位错误 | |
orthogonalization | 正交化 | |
output layer | 输出层 | |
overall cost function | 总体代价函数 | |
over-complete basis | 超完备基 | |
over-fitting | 过拟合 |
P
英文 | 中文 | 词性 |
---|---|---|
parallelism | 并行 | |
prior knowledge | 先验知识 | |
parts of objects | 目标的部件 | |
part-whole decompostion | 部分-整体分解 | |
PCA | 主元分析 | |
penalty term | 惩罚因子 | |
perceptron | 感知器 | |
per-example mean subtractio | 逐样本均值消减 | |
pooling | 池化 | |
pretrain | 预训练 | |
principal components analysis | 主成份分析 | |
proposal | 提议,建议 | n |
Q
英文 | 中文 | 词性 |
---|---|---|
quadratic constraints | 二次约束 |
R
英文 | 中文 | 词性 |
---|---|---|
RBMs | 受限Boltzman机 | |
reconstruction based models | 基于重构的模型 | |
reconstruction cost | 重建代价 | |
reconstruction term | 重构项 | |
redundant | 冗余 | |
reflection matrix | 反射矩阵 | |
regularization | 正则化 | |
regularization term | 正则化项 | |
rescaling | 缩放 | |
robust | 鲁棒性 | |
run | 行程 |
S
英文 | 中文 | 词性 |
---|---|---|
saturating | 饱和 | |
second-order feature | 二阶特征 | |
sigmoid activation function | S型激励函数 | |
significant digits | 有效数字 | |
singular value | 奇异值 | |
singular vector | 奇异向量 | |
smoothed L1 penalty | 平滑的L1范数惩罚 | |
Smoothed topographic L1 sparsity penalty | 平滑地形L1稀疏惩罚函数 | |
smoothing | 平滑 | |
Softmax Regresson Softmax | 回归 | |
sorted in decreasing order | 降序排列 | |
source features | 源特征 | |
sparse autoencoder | 消减归一化 | |
Sparsity | 稀疏性 | |
sparsity parameter | 稀疏性参数 | |
sparsity penalty | 稀疏惩罚 | |
spatial resolution | 控件 | |
square function | 平方函数 | |
squared-error | 方差 | |
stationary | 平稳性(不变性) | |
stationary stochastic process | 平稳随机过程 | |
step-size | 步长值 | |
stochastic gradient descent | 随机梯度下降 | |
symmetric positive semi-definite matrix | 对称半正定矩阵 | |
symmetry breaking | 对称失效 | |
subset | 子集 | |
supervised learning | 监督学习 | |
sub_sampling layer | 子采样层 | |
sensory | 视觉的 | adj,形容词 |
sensory-fusion | 视觉融合 | |
subnetwork | 子网络 | 名词 |
T
英文 | 中文 | 词性 |
---|---|---|
tanh function | 双曲正切函数 | |
the average activation | 平均活跃度 | |
the derivative checking method | 梯度验证方法 | |
the empirical distribution | 经验分布函数 | |
the energy function | 能量函数 | |
the Lagrange dual | 拉格朗日对偶函数 | |
the log likelihood | 对数似然函数 | |
the pixel intensity value | 像素灰度值 | |
the rate of convergence | 收敛速度 | |
topographic cost term | 拓扑代价项 | |
topographic ordered | 拓扑秩序 | |
transformation | 变换 | |
translation invariant | 平移不变性 | |
trivial answer | 平凡解 |
U
英文 | 中文 | 词性 |
---|---|---|
under-complete basis | 不完备基 | |
unrolling | 组合扩展 | |
unsupervised learning | 无监督学习 |
V
英文 | 中文 | 词性 |
---|---|---|
variance | 方差 | |
vecotrized implementation | 向量化实现 | |
vectorization | 矢量化 | |
visual cortex | 视觉皮层 | |
visualization | 可视化 | |
voxel | 体素。立体像素 | 名词 |
W
英文 | 中文 | 词性 |
---|---|---|
weight decay | 权重衰减 | |
weighted average | 加权平均值 | |
whitening | 白化 |
Z
英文 | 中文 | 词性 |
---|---|---|
zero-mean | 均值为零 |
自动驾驶深度学习常用中英文对照表相关推荐
- 深度学习常用中英文对照表
网上有很多转载,我也不知道哪个是原创,就把知乎上的链接贴进来:点击打开链 最近在读深度学习用于目标检测上的文章,需要很多专有名词,今后我也会不断更新这个中英文对照表. 另外深度学习有关的一些专业术语, ...
- 人工智能在自动驾驶深度学习中的应用
人工智能在自动驾驶深度学习中的应用 驾驶员认知靠大脑,无人驾驶汽车的"大脑"则是计算机.无人车里的计算机与我们常用的台式机.笔记本略有不同,因为车辆在行驶的时候会遇到颠簸.震动.粉 ...
- 自动驾驶深度多模态目标检测和语义分割:数据集、方法和挑战
自动驾驶深度多模态目标检测和语义分割:数据集.方法和挑战 原文地址:https://arxiv.org/pdf/1902.07830.pdf Deep Multi-Modal Object Detec ...
- 深度学习常用数据集介绍与下载(附网盘链接)
摘要 这篇博文总结了博主收集的深度学习常用的数据集,包含常用的分类.目标检测及人脸识别任务,对每个数据集给出了简要介绍.官网下载网站以及公众号获取的关键字.因为有的数据集较大,官网的下载速度可能比较慢 ...
- 深度学习常用python库学习笔记
深度学习常用python库学习笔记 常用的4个库 一.Numpy库 1.数组的创建 (1)np.array() (2)np.zeros() (3)np.ones() (4)np.empty() (5) ...
- 【第 01 章 基于直方图优化的图像去雾技术-全套系统MATLAB智能驾驶深度学习】
毋庸置疑的是,在汽车智能技术.汽车新能源技术.汽车电子这个群雄逐鹿的赛道.智能驾驶技术的要求也在不断的提升. 智能车辆教学平台.智能网联教学平台.汽车电子教学设备.在环仿真系统,目前主流的系统有很多, ...
- 深度学习入门之Python小白逆袭大神系列(三)—深度学习常用Python库
深度学习常用Python库介绍 目录 深度学习常用Python库介绍 简介 Numpy库 padas库 PIL库 Matplotlib库 简介 Python被大量应用在数据挖掘和深度学习领域,其中使用 ...
- Python深度学习常用平台
文章目录 深度学习常用平台 PyTorch PyCharm TensorFlow 百度飞桨 keras 深度学习常用平台 PyTorch PyTorch是用Python重写的Torch框架.PyTor ...
- DL:关于深度学习常用数据集中训练好的权重文件(Deeplab v3、MobileNet、InceptionV3、VGG系列、ResNet、Mask R-CNN )下载地址集合(持续更新)
DL:关于深度学习常用数据集中训练好的权重文件(Deeplab v3.MobileNet.InceptionV3.VGG系列.ResNet.Mask R-CNN )下载地址集合(持续更新) 目录 基于 ...
最新文章
- CHM:植物利用细菌获得真菌抗性!中山大学李剑峰课题组揭示植物免疫预警新机制...
- asch相关的linux基础知识分享
- 移动游戏高速增长为市场营销带来新的机会
- Jquery 日期差函数 修改 对火狐进行兼容
- C#基础_值类型引用类型(十一)
- Activity和Service通信 使用BroadcastReceiver
- log4j 程序日志_Log4j错误–减慢您的应用程序
- 小米12能效有望显著提升:骁龙8 Gen1功不可没
- 【GStreamer开发】GStreamer基础教程07——多线程和Pad的有效性
- UVA11039 Building designing【排序】
- UC大裁员:全体带薪休假至3月31日,补偿措施羡煞网友!
- python 读grid 数据_如何将TextGrid文件的变量读入Python?
- php text换行_php实现文字换行
- 化妆品行业组合解决方案
- 【frida】lxhToolHTTPDecrypt安装使用问题
- 逊哥dp专题 总结(普通dp,斜率优化dp,数位dp)
- 数据分析报告怎么写(四)
- CF 868 div2 A—C
- python+selenium实现网易邮箱登陆
- [后端服务]后端程序健壮性几点思考
热门文章
- RTK+GPS提高定位精度原理解析
- 鹰硕区域智慧教育云平台 AI助力搭建线上教学平台
- 计算机的定点运算器原理,计算机组成原理定点运算器的组成和结构.doc
- 计算机怎样将多行文字转换成表格,用WPS文本表格转换快速合并多行文字
- IE浏览器确定兼容性模式
- 推荐一款图表功能强大的可视化报表工具
- python-优矿-基金20%赎回赚钱概率96.3%
- while语句和do...while语句
- 关于 do ....while() 的重要用法
- OAuth2+JWT新一代认证技术