百科2025/12/15
嵌入学习（Embedding Learning）是一种将数据映射到低维向量空间的技术，使得相似的数据点在向量空间中彼此接近。广泛应用于自然语言处理（NLP）、计算机视觉...
嵌入学习（Embedding Learning）是一种将数据映射到低维向量空间的技术，使得相似的数据点在向量空间中彼此接近。广泛应用于自然语言处理（NLP）、计算机视觉...
稀疏编码（Sparse Coding）是一种数据表示方法，旨在通过少量非零元素来描述数据，提取其关键特征。在图像处理和机器学习中广泛应用，通过构建一个超完备字典...
分布式表示（Distributed Representations）是一种将词汇或对象映射到高维空间向量的方法，每个维度代表不同的特征属性。分布式表示能够捕捉词与词之间的相似...
图神经网络（Graph Neural Networks, GNNs）是一种专门处理图结构数据的深度学习模型。它通过节点和边的关系来学习图中每个节点的表示，广泛应用于节点分类、...
可解释性AI（Explainable AI, XAI）指的是设计智能系统时，使其决策过程对人类用户透明、可理解。意味着XAI能提供清晰的解释，说明如何从输入数据到最终决策...
深度强化学习（Deep Reinforcement Learning）是人工智能领域中一个激动人心的交叉学科，融合了深度学习的感知能力和强化学习的决策制定能力。通过智能体与环...
自注意力（Self-Attention）是一种高级的注意力机制，支持模型在处理序列数据时，对序列内部的不同部分进行关联和加权，从而捕捉序列内部的长距离依赖关系。...
序列建模（Sequence Modeling）是自然语言处理和时间序列分析中的一种建模方法，它用于处理具有序列依赖性的数据。能捕捉数据点之间的时间或顺序关系，如在文...
协同过滤（Collaborative Filtering）是一种推荐系统技术，它通过分析用户之间的相似性或用户对项目的评价，预测用户可能喜欢的项目。这种技术可以基于用户（...
知识图谱（Knowledge Graph）是一种结构化的语义知识库，通过图形化的方式表达实体之间的关系。由节点（代表实体）和边（代表实体间的关系）组成，能存储和处...
嵌入向量（Embedding Vectors）是一种将数据（如文本、图像、用户信息）映射到高维空间中的数字向量的技术。能够捕捉数据间的相似性和关系，使得相似的数据点...
对抗性训练（Adversarial Training）是一种机器学习技术，旨在提高模型对恶意攻击的鲁棒性。通过在训练过程中引入微小的、可能引起误分类的扰动，模型学会识...
弱监督学习（Weakly Supervised Learning）是一种机器学习范式，旨在解决标注数据不完整或不精确的问题。包括不完全监督（部分数据有标签）、不确切监督（标...
循环神经网络（英文名Recurrent Neural Network，简称RNN），是一种具有内部记忆的神经网络。这种记忆使得网络能够通过考虑前一步的信息来处理和分析序列数据。
嵌入表示（Embedding Representations）是将实体（如单词、图像或用户）映射到连续的向量空间的过程，这些向量捕捉实体的内在属性和相互关系。在自然语言处理...
LSTM，全称为Long Short-Term Memory，中文为“长短期记忆网络”，由Sepp Hochreiter和Jürgen Schmidhuber在1997年提出，是一种能够记住长期信息并用于未来计算...
聊天机器人（Chatbot）是模拟人类对话的计算机程序，通过自然语言处理（NLP）技术理解用户输入并提供自动回复。广泛应用于客户服务、在线互动和信息服务，能2...
扩散模型（Diffusion Models）是一种深度生成模型，通过模拟数据从有序状态向无序状态的扩散过程，以及相反的从无序状态恢复到有序状态的逆扩散过程，实现了...
知识图谱问答（KGQA）是一种结合知识图谱和自然语言处理技术的系统，旨在通过理解用户的自然语言问题，从结构化的知识图谱中检索并生成准确的答案。
向量数据库是专门用来存储和查询向量的数据库系统。用于表示多维度的数据点，例如在机器学习和人工智能中使用的数据。在向量数据库中，数据被表示为向量，这...
数据挖掘（Data Mining）是一种从大型数据集中发现模式和其他有价值信息的过程。利用机器学习和统计分析技术，从海量数据中提取有用信息，帮助组织做出更明智...
检索增强生成（Retrieval-Augmented Generation, RAG）是一种结合了信息检索（IR）和自然语言生成（NLG）的技术。它通过从外部知识库中检索相关信息来增强大...
端到端学习（End-to-End Learning）是一种机器学习和深度学习中的设计方法论，支持模型直接从输入数据学习到所需的输出结果，不需要人为地将任务分割成多个独...
过拟合（Overfitting）是指模型在训练数据上表现得过于完美，以至于无法对新数据做出准确预测的现象。发生在模型过于复杂或者训练时间过长时，模型开始学习训...