Basics on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/basics/Recent content in Basics on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000说话人https://terms-en.ai-term-hub.com/zh/terms/speaker/Sat, 18 Jul 2026 11:34:45 +0000https://terms-en.ai-term-hub.com/zh/terms/speaker/<h2 id="definition">Definition</h2> <p>在语音处理中，说话人被定义为录音中distinct的人类声源。识别和区分不同的说话人是分析对话内容、确保信息安全以及提升语音交互体验的基础。</p> <h3 id="summary">Summary</h3> <p>在音频信号中产生语音或声音的个体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>声音特征</li> <li>声学特征</li> <li>身份验证</li> <li>音频源分离</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>语音生物识别认证</li> <li>会议转录标注</li> <li>客户服务分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/speaker_diarization-%E8%AF%B4%E8%AF%9D%E4%BA%BA%E6%97%A5%E5%BF%97-%E8%BD%AC%E5%86%99/">speaker_diarization (说话人日志/转写)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/voice_recognition-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB/">voice_recognition (语音识别)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/audio_processing-%E9%9F%B3%E9%A2%91%E5%A4%84%E7%90%86/">audio_processing (音频处理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/speech_to_text-%E8%AF%AD%E9%9F%B3%E8%BD%AC%E6%96%87%E6%9C%AC/">speech_to_text (语音转文本)</a></li> </ul>预训练的https://terms-en.ai-term-hub.com/zh/terms/pretrained/Sat, 18 Jul 2026 11:30:18 +0000https://terms-en.ai-term-hub.com/zh/terms/pretrained/<h2 id="definition">Definition</h2> <p>“预训练”一词描述了一个神经网络模型，该模型已在海量且通常通用的数据集（如ImageNet或Wikipedia）上进行了初始训练。这一过程使模型能够学习丰富的通用特征表示，随后可以通过微调适应特定的下游任务。</p> <h3 id="summary">Summary</h3> <p>指在针对特定任务进行调整之前，已在大规模数据集上完成训练的模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>迁移学习</li> <li>特征提取</li> <li>基础模型</li> <li>微调</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>初始化BERT或GPT模型</li> <li>使用ResNet进行图像分类</li> <li>特定领域自然语言处理任务的起点</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/foundation_models-%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/">foundation_models (基础模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fine_tuning-%E5%BE%AE%E8%B0%83/">fine_tuning (微调)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/feature_extraction-%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96/">feature_extraction (特征提取)</a></li> </ul>数学https://terms-en.ai-term-hub.com/zh/terms/math/Sat, 18 Jul 2026 11:25:36 +0000https://terms-en.ai-term-hub.com/zh/terms/math/<h2 id="definition">Definition</h2> <p>在人工智能的背景下，数学为算法设计和分析提供了理论框架。关键分支包括用于数据表示的线性代数、用于优化的微积分、用于不确定性建模的概率论以及用于数据分析的统计学。</p> <h3 id="summary">Summary</h3> <p>涉及数字、结构、空间和变化的基础学科，对于制定和解决AI问题至关重要。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>线性代数</li> <li>微积分</li> <li>概率论</li> <li>统计学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>推导反向传播算法</li> <li>建模预测中的不确定性</li> <li>优化损失函数</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/linear-algebra-%E7%BA%BF%E6%80%A7%E4%BB%A3%E6%95%B0/">Linear Algebra (线性代数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/calculus-%E5%BE%AE%E7%A7%AF%E5%88%86/">Calculus (微积分)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/statistics-%E7%BB%9F%E8%AE%A1%E5%AD%A6/">Statistics (统计学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/optimization-%E4%BC%98%E5%8C%96/">Optimization (优化)</a></li> </ul>实例https://terms-en.ai-term-hub.com/zh/terms/instance/Sat, 18 Jul 2026 11:22:25 +0000https://terms-en.ai-term-hub.com/zh/terms/instance/<h2 id="definition">Definition</h2> <p>在机器学习中，实例指数据集中的一个具体示例。它由一组输入特征（属性）和潜在的目标标签组成。实例是基本单位。</p> <h3 id="summary">Summary</h3> <p>用于机器学习任务的单个数据样本或观测值，通常表示为特征向量。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据样本</li> <li>特征向量</li> <li>训练数据</li> <li>观测值</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监督学习训练</li> <li>数据集划分</li> <li>异常检测示例</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A0%B7%E6%9C%AC-sample/">样本 (Sample)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BE%8B%E5%AD%90-example/">例子 (Example)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%89%B9%E5%BE%81-feature/">特征 (Feature)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A0%87%E7%AD%BE-label/">标签 (Label)</a></li> </ul>超参数https://terms-en.ai-term-hub.com/zh/terms/hyperparameter/Sat, 18 Jul 2026 11:21:34 +0000https://terms-en.ai-term-hub.com/zh/terms/hyperparameter/<h2 id="definition">Definition</h2> <p>与模型参数（权重和偏置）不同，后者是在训练过程中从数据中学习得到的，而超参数是实践者在训练开始前选择的外部设置。它们控制着模型的结构、学习过程以及正则化强度等关键方面。</p> <h3 id="summary">Summary</h3> <p>一种在训练过程之前设定其值的配置变量，用于控制学习算法的行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>学习率</li> <li>批次大小</li> <li>模型架构</li> <li>正则化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>配置神经网络训练</li> <li>设置梯度下降步骤</li> <li>定义随机森林中的树深度</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hyperparameter_tuning-%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E4%BC%98/">hyperparameter_tuning (超参数调优)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model_parameters-%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0/">model_parameters (模型参数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/learning_rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">learning_rate (学习率)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/batch_size-%E6%89%B9%E6%AC%A1%E5%A4%A7%E5%B0%8F/">batch_size (批次大小)</a></li> </ul>人类问题解决https://terms-en.ai-term-hub.com/zh/terms/human_problem_solving/Sat, 18 Jul 2026 11:21:11 +0000https://terms-en.ai-term-hub.com/zh/terms/human_problem_solving/<h2 id="definition">Definition</h2> <p>人类问题解决涵盖了人类用来应对挑战的多方面认知能力，从简单任务到抽象的概念困难。与算法方法不同，人类&hellip;（原文截断，此处翻译现有部分）</p> <h3 id="summary">Summary</h3> <p>个人运用推理、创造力和经验来识别、分析和解决复杂问题的认知过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>认知过程</li> <li>创造力</li> <li>直觉</li> <li>情境推理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计补充人类决策的人工智能界面</li> <li>开发用于复杂战略规划的混合系统</li> <li>训练人工智能识别并协助处理细微的人类任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive-science-%E8%AE%A4%E7%9F%A5%E7%A7%91%E5%AD%A6/">Cognitive Science (认知科学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/augmented-intelligence-%E5%A2%9E%E5%BC%BA%E6%99%BA%E8%83%BD/">Augmented Intelligence (增强智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/heuristics-%E5%90%AF%E5%8F%91%E5%BC%8F%E6%96%B9%E6%B3%95/">Heuristics (启发式方法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/decision-making-%E5%86%B3%E7%AD%96%E5%88%B6%E5%AE%9A/">Decision Making (决策制定)</a></li> </ul>轮次 (Epoch)https://terms-en.ai-term-hub.com/zh/terms/epoch/Sat, 18 Jul 2026 11:16:25 +0000https://terms-en.ai-term-hub.com/zh/terms/epoch/<h2 id="definition">Definition</h2> <p>在机器学习中，一个轮次代表对整个训练数据集的一次单遍迭代。在每个轮次中，模型处理所有训练样本，通过反向传播更新其权重，并评估损失函数。增加轮次数通常可以提高模型性能，但过多轮次可能导致过拟合。因此，监控验证集上的表现对于确定最佳轮次数至关重要。</p> <h3 id="summary">Summary</h3> <p>在模型训练期间，整个训练数据集通过机器学习算法的一次完整遍历。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练迭代</li> <li>反向传播</li> <li>收敛</li> <li>超参数调优</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>配置神经网络训练循环</li> <li>监控每个周期的验证损失</li> <li>实施早停策略</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#66d9ef">for</span> epoch <span style="color:#f92672">in</span> range(num_epochs): </span></span><span style="display:flex;"><span> <span style="color:#66d9ef">for</span> inputs, labels <span style="color:#f92672">in</span> dataloader: </span></span><span style="display:flex;"><span> optimizer<span style="color:#f92672">.</span>zero_grad() </span></span><span style="display:flex;"><span> outputs <span style="color:#f92672">=</span> model(inputs) </span></span><span style="display:flex;"><span> loss <span style="color:#f92672">=</span> criterion(outputs, labels) </span></span><span style="display:flex;"><span> loss<span style="color:#f92672">.</span>backward() </span></span><span style="display:flex;"><span> optimizer<span style="color:#f92672">.</span>step() </span></span></code></pre></div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/batch-size-%E6%89%B9%E6%AC%A1%E5%A4%A7%E5%B0%8F/">Batch Size (批次大小)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/iteration-%E8%BF%AD%E4%BB%A3/">Iteration (迭代)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/learning-rate-%E5%AD%A6%E4%B9%A0%E7%8E%87/">Learning Rate (学习率)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>算力https://terms-en.ai-term-hub.com/zh/terms/compute/Sat, 18 Jul 2026 11:11:03 +0000https://terms-en.ai-term-hub.com/zh/terms/compute/<h2 id="definition">Definition</h2> <p>在人工智能中，算力代表了训练模型和运行推理所需的基础设施。它包括CPU、GPU和TPU等硬件组件，以及相关的软件优化和资源调度能力。</p> <h3 id="summary">Summary</h3> <p>算力是指用于在AI系统中执行算法和处理数据的处理能力和资源。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>硬件加速</li> <li>处理能力</li> <li>GPU/TPU</li> <li>可扩展性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>实时推理服务</li> <li>高性能科学模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/latency-%E5%BB%B6%E8%BF%9F/">Latency (延迟)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/throughput-%E5%90%9E%E5%90%90%E9%87%8F/">Throughput (吞吐量)</a></li> </ul>AI 浏览器https://terms-en.ai-term-hub.com/zh/terms/ai_browser/Sat, 18 Jul 2026 11:02:52 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_browser/<h2 id="definition">Definition</h2> <p>AI 浏览器是一种直接将人工智能功能整合到用户界面中的网页浏览应用程序。这些功能通常包括自然语言搜索、自动内容摘要和对话式交互。</p> <h3 id="summary">Summary</h3> <p>集成 AI 功能以辅助搜索、摘要和内容分析的网页浏览器。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>集成 LLM</li> <li>智能搜索</li> <li>内容摘要</li> <li>对话式 UI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究辅助</li> <li>快速信息综合</li> <li>无障碍功能改进</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/search-engine-%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E/">Search Engine (搜索引擎)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/llm-%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/">LLM (大型语言模型)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/web-scraping-%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/">Web Scraping (网络爬虫)</a></li> </ul>AI 拟人化https://terms-en.ai-term-hub.com/zh/terms/ai_anthropomorphism/Sat, 18 Jul 2026 11:02:52 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_anthropomorphism/<h2 id="definition">Definition</h2> <p>AI 拟人化是指用户将人类特质投射到非人类实体（如聊天机器人或机器人）上的心理现象。这可能导致对 AI 能力产生不切实际的期望。</p> <h3 id="summary">Summary</h3> <p>人类倾向于将类人的特征、情感或意图归因于 AI 系统的现象。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人类投射</li> <li>ELIZA 效应</li> <li>用户感知</li> <li>情感依恋</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计对话式界面</li> <li>用户体验研究</li> <li>AI 产品营销</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/eliza-effect-eliza-%E6%95%88%E5%BA%94/">ELIZA Effect (ELIZA 效应)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/human-computer-interaction-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">Human-Computer Interaction (人机交互)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> </ul>AI 数据中心https://terms-en.ai-term-hub.com/zh/terms/ai_data_center/Sat, 18 Jul 2026 11:02:52 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_data_center/<h2 id="definition">Definition</h2> <p>AI 数据中心是优化用于运行人工智能应用（特别是深度学习训练和推理）的物理设施。这些中心具备高密度服务器机架、先进的散热管理和高速网络连接。</p> <h3 id="summary">Summary</h3> <p>专为托管和运营 AI 工作负载的高性能计算基础设施而设计的专门设施。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>GPU/TPU 集群</li> <li>高性能计算</li> <li>热管理</li> <li>网络带宽</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>训练大型语言模型</li> <li>运行推理服务</li> <li>科学模拟</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cloud-computing-%E4%BA%91%E8%AE%A1%E7%AE%97/">Cloud Computing (云计算)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gpu-%E5%9B%BE%E5%BD%A2%E5%A4%84%E7%90%86%E5%99%A8/">GPU (图形处理器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/infrastructure-%E5%9F%BA%E7%A1%80%E8%AE%BE%E6%96%BD/">Infrastructure (基础设施)</a></li> </ul>激活函数https://terms-en.ai-term-hub.com/zh/terms/activation_function/Sat, 18 Jul 2026 10:59:15 +0000https://terms-en.ai-term-hub.com/zh/terms/activation_function/<h2 id="definition">Definition</h2> <p>激活函数为神经网络引入非线性，使其能够学习数据中的复杂模式和关系。如果没有这些函数，多层网络的行为将退化为线性变换，无法处理复杂任务。</p> <h3 id="summary">Summary</h3> <p>根据输入信号确定神经网络节点输出的数学方程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>非线性</li> <li>梯度下降</li> <li>神经元激活</li> <li>反向传播</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使深度神经网络能够进行图像分类</li> <li>促进自然语言处理任务</li> <li>提高生成模型训练时的收敛速度</li> </ul> <h2 id="code-example">Code Example</h2> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#f92672">import</span> torch.nn <span style="color:#66d9ef">as</span> nn </span></span><span style="display:flex;"><span>relu <span style="color:#f92672">=</span> nn<span style="color:#f92672">.</span>ReLU() </span></span><span style="display:flex;"><span>output <span style="color:#f92672">=</span> relu(input_tensor) </span></span></code></pre></div><h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/relu-%E4%BF%AE%E6%AD%A3%E7%BA%BF%E6%80%A7%E5%8D%95%E5%85%83/">ReLU (修正线性单元)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/sigmoid-s%E5%9E%8B%E5%87%BD%E6%95%B0/">Sigmoid (S型函数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tanh-%E5%8F%8C%E6%9B%B2%E6%AD%A3%E5%88%87%E5%87%BD%E6%95%B0/">Tanh (双曲正切函数)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/softmax-%E8%BD%AF%E6%9C%80%E5%A4%A7%E5%87%BD%E6%95%B0/">Softmax (软最大函数)</a></li> </ul>