⚡激活函數

一種將非線性引入神經網路的數學函數。

🕵️對抗範例

精心設計的輸入，旨在欺騙機器學習模型，使其錯誤分類。

⚖️人工智慧倫理

在人工智慧發展和使用過程中產生的道德問題研究。

🧮演算法

解決問題或執行任務的有限指令序列。

⚠️演算法偏差

人工智慧系統造成的系統性和不公平歧視。

🧠人工智慧

利用電腦系統模擬人類智慧過程。

👁️注意力機制

讓模型專注於輸入相關部分的技術。

🔄自編碼器

經過訓練，能夠透過瓶頸重建其輸入的神經網路。

🚗自動駕駛汽車

一種無需人為幹預即可導航和操作的車輛。

🔙反向傳播

一種計算梯度以更新神經網路權重的演算法。

⚖️偏差-方差權衡

模型的簡潔性和資料擬合能力之間的平衡。

💊膠囊網絡

一種使用膠囊來更好地模擬空間層次結構的神經網路。

🗂️分類

將輸入指派到幾個預定義類別之一的任務。

🔵聚類

將資料點分組，使相似的項目落入同一簇中。

👁️電腦視覺

電腦解釋和理解視覺訊息的領域。

📊混淆矩陣

總結預測類別分類效能的表格。

🖼️卷積神經網絡

專為處理網格狀資料（例如影像）而設計的神經網路。

🔁交叉驗證

一種評估模型如何泛化到未見過的資料的技術。

🔒資料隱私

人工智慧系統中使用的個人資訊的保護。

🏗️深度信仰網絡

由堆疊的受限玻爾茲曼機組成的生成模型。

🕸️深度學習

使用多層神經網路進行機器學習，以對複雜模式進行建模。

🌫️擴散模型

一種學習對資料進行去噪以建立新樣本的生成模型。

🗜️降維

減少資料集中輸入變數數量的技術。

🔀判別模型

一個學習區分不同類別資料的模型。

📱邊緣人工智慧

在本地設備而不是雲端運行 AI 模型。

🌌嵌入空間

一個連續向量空間，其中相似的項被映射在一起。

📋專家系統

一個利用知識庫解決複雜問題的程式。

🔍可解釋人工智慧

使機器學習模型決策對人類可理解的方法。

⚖️F1 分數

精確率和召回率的調和平均值，平衡這兩個指標。

🔢特色

用作模型輸入的單一可測量屬性或特徵。