🔢量化

降低模型参数的精度以减少内存和计算量。

🔁循环神经网络

具有循环的神经网络，能够保持对先前输入的记忆。

📉回归

根据输入特征预测连续数值的任务。

⚖️正则化

通过惩罚复杂性来防止模型过拟合的技术。

🎮强化学习

通过反复试验，最大化累积奖励信号来学习。

🎲受限玻尔兹曼机

具有可见单元和隐藏单元的生成式随机神经网络。

🦾机器人

智能机器的设计、建造和运行。

🪞自我关注

一种将单个序列中的不同位置联系起来的注意力机制。

🌗半监督学习

将少量标记数据与未标记数据相结合的学习方法。

🎤语音识别

将口语转录成书面文本。

👨‍🏫监督学习

从标记数据中学习，将输入映射到已知输出。

🔊文本转语音

将文本合成语音。

✂️标记化

将文本分割成称为标记的较小单元的过程。

📚训练数据

用于训练机器学习模型进行预测的数据集。

🔄迁移学习

将从一项任务中获得的知识用于提高另一项任务的绩效。

🤖变压器

一种基于自注意力机制的神经网络架构。

📉不合身

当模型过于简单，无法捕捉数据的底层结构时。

🔍无监督学习

从未标记数据中学习以发现隐藏的模式或结构。

🗜️变分自编码器

一个学习输入数据潜在表示的生成模型。

🔤词嵌入

能够捕捉语义含义的词语稠密向量表示。

0️⃣零样本学习

模型处理其未明确训练过的任务的能力。