计算机方向的一些重要缩写和简介

本文概述了深度学习的四大类网络模型,包括卷积神经网络、循环神经网络、深度神经网络和图神经网络,以及自然语言处理中的Transformer和GPT。讨论了机器学习的各个应用领域,如数据挖掘、计算机视觉、NLP和强化学习,强调了监督、无监督和强化学习的区别。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考:
深度学习四大类网络模型
干货|机器学习超全综述!
机器学习ML、卷积神经网络CNN、循环神经网络RNN、马尔可夫蒙特卡罗MCMC、生成对抗网络GAN、图神经网络GNN——人工智能经典算法

  • MLP(Multi Layer Perseption)用在神经网络中
    请添加图片描述
  • CNN(Convolutional Neural Networks):卷积神经网络
    主要用于CV
    请添加图片描述
  • U-Net
    用于语义分割

请添加图片描述

  • RNN(Recurrent Neural Network):循环神经网络(或者说递归神经网络)
    请添加图片描述

  • DNN(Deep Neural Networks):深度神经网络

  • GNN(Graph Neural Networks):图神经网络
    请添加图片描述

  • BRNN(Recurrent Neural Network):双向长短时记忆循环神经网络

  • GAN(Generative Adversarial Networks):生成式对抗网络

  • SORT(Simple Online and Realtime Tracking):简单的在线和实时跟踪

请添加图片描述

  • NLP(Natural Language Processing):自然语言处理

  • MTL(Multi-Task-Learning):多任务学习

  • LSTM(Long Short-Term Memory):长短期记忆网络
    请添加图片描述

  • CV(Computer Vision):计算机视觉

  • Transformer
    主要用在NLP中,现在在CV领域,也在快速发展,目前最火的肯定是GPT,主要用来做内容生成。
    请添加图片描述

  • GPT
    GPT:Generative Pre-trained Transformer:生成式预训练Transformer。主要用在文本生成,图像生成,机器聊天,机器问答等领域。
    请添加图片描述

机器学习ML主要体现在几个部分:
数据挖掘:来发现数据之间的关系
CV:这个很火
NLP:自然语言处理,这个和大语言模型差不多
语音识别:让机器听懂机器
决策:让机器做决定。(无人驾驶中的汽车控制决策)
我很喜欢这个图来表示机器学习:
请添加图片描述
模型建立是属于比较有趣的部分,根据目标变量(通常称为Y变量)的数据类型(定性或定量),建立一个分类(如果Y是定性的)或回归(如果Y是定量的)模型。
机器学习算法可以大致分为以下三种类型之一:
监督学习:是一种机器学习任务,建立输入X和输出Y变量之间的数学(映射)关系。这样的X、Y对构成了用于建立模型的标签数据,以便学习如何从输入中预测输出。
无监督学习:是一种只利用输入X变量的机器学习任务。这种 X 变量是未标记的数据,学习算法在建模时使用的是数据的固有结构。
强化学习:是一种决定下一步行动方案的机器学习任务,它通过试错学习来实现这一目标,努力使回报最大化。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

白云千载尽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值