域名里gTLD、new gTLD、ccTLD的含义之间的关系

ååç±»ågTLDãccTLDåNew gTLDçåºå«è¯¦è§£ 

  • gTLD:国际顶级域名(generic top-level domains,gTLD),例如:.com/.net/.org等都属于gTLD;
  • ccTLD:国家和地区顶级域名(country code top-level domains,简称ccTLD),例如:中国是.cn域名,日本是.jp域名;
  • New gTLD:新顶级域名(New gTLD),例如:.xyz/.top/.red/.help等新顶级域名。

 

TLD

TLD的全称是Top Level Domain,顶级域名,它是一个因特网域名的最后部分,也就是任何域名的最后一个点后面的字母组成的部分。

最早的顶级域名有:

.com(公司和企业)、.net(网络服务机构)、.org(非赢利性组织)、.edu(教育机构)、.gov(美国专用的政府部门)、.int(国际组织)等等。

TLD由因特网号码分配机构(IANA)分配。TLD分为三种类型:

现今分为三种类型:
1. 通用顶级域名(也叫一般顶级域名):(gTLD);
2. 国家和地区顶级域名:(nTLD);
3. 国际顶级域名:(iTLD)。

1. 通用顶级域名(也叫一般顶级域名):(gTLD)

gTLD的全称是Generic top-level domain,通用顶级域名,是供一些特定组织使用的顶级域,以其代表组织英文名称的头几个英文字母代表,如.com代表商业机构。

通用顶级域在1985年1月创立,当时共有6个通用顶级域,主要供美国使用:

.com – 供商业机构使用

.edu – 供教育机构使用

.gov – 供美国政府及其属下机构使用

.net – 供网络服务供应商使用

.org – 供不属于其他通用顶级域类别的组织使用

.mil – 供美国军事机构使用

一直以来,以. COM、. NET、. ORG为代表的域名占据了通用顶级域名市场的前三位。

2001年在澳大利亚召开的ICANN大会上,互联网国际域名管理机构ICANN通过决议,从近50个申请中遴选出7个新顶级域名来满足域名市场的需求。该机构理事会推出的7个顶级域名分别为代表航空运输业专用的. aero;面向企业的. biz;为商业、行业协会专用的.coop;可以替代. com通用域名的. info;博物馆专用的. museum;个人网站专用的. name;会计、医生和律师等职业专用的. pro。

2014年开始全球陆续有1000多个新域名后缀面世[2]  ,例如注册总量位列前三甲的.top(代表顶级、突破),.xyz(代表创意创新、三维空间、无极限),和 .loan(代表贷款)。

nTLD和ccTLD

nTLD全称是National Top-Level Domain,ccTLD(全称是Country Code Top Level Domain),即国家和地区顶级域名

国家和地区顶级域名是供国家或地区的顶级域,这些顶级域均由两个字母组成,大部份使用ISO 3166-1标准。现时共有243个国家及地区顶级域,其中100个为限制性注册,需要凭地区身份或特定的法律文书注册(譬如中国,日本,法国),其中有两个岛国图瓦卢及科科斯(基林)群岛,与VeriSign旗下公司达成协议,向全世界开放其国码域名,分别是.tv及.cc。

iTLD

iTLD全称为International Top Level Domain,国际顶级域名,这个词很少见,是为了区别于gTLD的一种特殊用途或限制使用的顶级域名。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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
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