https://terms-en.ai-term-hub.com/zh/tags/learning-paradigms/Recent content in Learning Paradigms on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/sups/Sat, 18 Jul 2026 11:32:41 +0000https://terms-en.ai-term-hub.com/zh/terms/sups/<h2 id="definition">Definition</h2> <p>SUPS 是一个首字母缩写词，含义可能因语境而异，但经常出现在专门的 AI 文献中，指代混合学习方法或特定的数据结构。它可能表示结合&hellip;的系统</p> <h3 id="summary">Summary</h3> <p>在 AI 和机器学习的语境中，SUPS 通常指监督与非监督混合系统或特定的数据集模式，尽管其标准化程度不如其他缩写。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>混合学习</li> <li>数据结构</li> <li>歧义消除</li> <li>上下文定义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>混合模型研究</li> <li>专用数据集管理</li> <li>算法优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-semi-supervised-learning/">半监督学习 (Semi-supervised Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-unsupervised-learning/">无监督学习 (Unsupervised Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E9%9B%86-dataset/">数据集 (Dataset)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%AE%97%E6%B3%95-algorithm/">算法 (Algorithm)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/eager_learning/Sat, 18 Jul 2026 11:15:46 +0000https://terms-en.ai-term-hub.com/zh/terms/eager_learning/<h2 id="definition">Definition</h2> <p>在急切学习中，系统在遇到新实例之前，会根据训练数据构建一个通用的目标函数或模型。这与延迟学习形成对比，后者将泛化过程推迟到查询阶段，即直到需要预测时才进行计算。</p> <h3 id="summary">Summary</h3> <p>急切学习是一种机器学习方法，其泛化函数在训练阶段就被学习完成，因此在训练结束后能够实现快速的预测时间。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>训练阶段泛化</li> <li>快速推理</li> <li>模型复杂度</li> <li>过拟合风险</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>实时图像分类</li> <li>欺诈检测系统</li> <li>推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0-%E5%B0%86%E6%B3%9B%E5%8C%96%E6%8E%A8%E8%BF%9F%E5%88%B0%E6%B5%8B%E8%AF%95%E9%98%B6%E6%AE%B5%E7%9A%84%E7%AD%96%E7%95%A5/">延迟学习 (将泛化推迟到测试阶段的策略)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%9F%BA%E4%BA%8E%E5%AE%9E%E4%BE%8B%E7%9A%84%E5%AD%A6%E4%B9%A0-%E5%A6%82knn-%E5%B1%9E%E4%BA%8E%E5%BB%B6%E8%BF%9F%E5%AD%A6%E4%B9%A0/">基于实例的学习 (如KNN，属于延迟学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0-%E4%BB%8E%E6%A0%87%E6%B3%A8%E6%95%B0%E6%8D%AE%E4%B8%AD%E5%AD%A6%E4%B9%A0%E7%9A%84%E6%96%B9%E6%B3%95/">监督学习 (从标注数据中学习的方法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83-%E8%B0%83%E6%95%B4%E6%A8%A1%E5%9E%8B%E5%8F%82%E6%95%B0%E7%9A%84%E8%BF%87%E7%A8%8B/">模型训练 (调整模型参数的过程)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/self_supervised/Sat, 18 Jul 2026 10:57:22 +0000https://terms-en.ai-term-hub.com/zh/terms/self_supervised/<h2 id="definition">Definition</h2> <p>自监督学习是机器学习的一个子集，其监督信号自动从数据本身派生，消除了手动标注的需求。模型通常通过解决预设的代理任务来学习数据的内在结构和表示。</p> <h3 id="summary">Summary</h3> <p>自监督学习是一种技术，模型从输入数据中自动生成标签以学习表示，无需人工标注。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>pretext任务 (代理任务)</li> <li>掩码建模</li> <li>无标签数据</li> <li>表示学习</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过掩码语言建模训练BERT</li> <li>用于图像嵌入的对比学习</li> <li>预测大语言模型中的下一个词元</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/unsupervised-%E6%97%A0%E7%9B%91%E7%9D%A3/">unsupervised (无监督)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/contrastive_learning-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/">contrastive_learning (对比学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/masked_language_modeling-%E6%8E%A9%E7%A0%81%E8%AF%AD%E8%A8%80%E5%BB%BA%E6%A8%A1/">masked_language_modeling (掩码语言建模)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/representation_learning-%E8%A1%A8%E7%A4%BA%E5%AD%A6%E4%B9%A0/">representation_learning (表示学习)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/one_shot/Sat, 18 Jul 2026 10:57:10 +0000https://terms-en.ai-term-hub.com/zh/terms/one_shot/<h2 id="definition">Definition</h2> <p>单样本学习是少样本学习的一种特定形式，算法在训练期间仅看到一个正例后，必须能够泛化到新类别或新任务。这种方法模仿了人类</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型仅通过一个带标签的示例即可学会执行某项任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>少样本学习</li> <li>特征提取</li> <li>相似度度量</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>样本有限的 facial recognition（人脸识别）</li> <li>笔迹识别</li> <li>基于罕见病例的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/few-shot-%E5%B0%91%E6%A0%B7%E6%9C%AC/">few-shot (少样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/zero-shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero-shot (零样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta-learning (元学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/siamese-networks-%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C/">siamese networks (孪生网络)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/few_shot/Sat, 18 Jul 2026 10:56:23 +0000https://terms-en.ai-term-hub.com/zh/terms/few_shot/<h2 id="definition">Definition</h2> <p>少样本学习使机器学习模型能够从极其有限的数据中进行泛化，通常每个类别仅需一到十个示例。与需要数千个示例的传统监督学习不同，少样本学习利用预训练模型中提取的通用特征，使其能够在新任务上快速适应并表现良好。</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型在仅接触少量标注示例后便能正确执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元学习</li> <li>泛化能力</li> <li>标签效率</li> <li>预训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>罕见病诊断</li> <li>聊天机器人中的自定义意图识别</li> <li>有限数据下的领域自适应</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/zero_shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero_shot (零样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/one_shot-%E5%8D%95%E6%A0%B7%E6%9C%AC/">one_shot (单样本)</a></li> <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/meta_learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta_learning (元学习)</a></li> </ul>