English-Names

English-Names

1. 西方姓名的组成
2. 职业姓氏
3. 更多相关链接

中国的姓名,姓氏在前,名子在后。传统也有中间字(世代字)。名子非常多。所谓百家姓,姓氏数量有限,约500个左右。
正好相反:
西方的姓名,名子在前,姓氏在后,中间还有个中间名。名字比较少,需要在圣经里面提过的圣人的名子才行。姓氏很多。

1. 西方姓名的组成

名 name 姓 surname
JohnFitzgeraldKennedy
First nameMiddle nameLast name
Given name Family name

 

  • 作为 First name: 最长使用,平时的称呼
    • Christian name (教名)受洗时的名字
  • 作为 Middle name: 有时和First name一同使用
    • baptismal name (洗礼名)
    • maternal surname (母姓)
    • maiden name (娘家姓)
    • patronymic (父名)
  • 作为 Last name: 较正式场合使用
    • gentile name (氏族的名称)
    • paternal surname (父姓)

2. 职业姓氏

您的姓氏对您说什么?
https://blogs.ancestry.co.uk/cm/there-are-7-types-of-english-surnames-which-one-is-yours/
可能有45,000个不同的英语姓氏,但大多数姓氏是这七个类型之一。

  • 父母性氏或祖先
  • 职业(如下表格)
  • 来自英文地名(比如英国地图上...)
  • 描述个人特征(高矮胖瘦黑白...)
  • 表示追随者 patronage(曾经追随过的人)
  • 从景观的地理特征(山区,密林,草原,河流)
  • 从遗产名称estate()

职业姓氏有:

代表职业职业姓氏相关单词中文
弓箭手ArcherArcher弓箭手
屠夫ButcherButcher屠夫
木匠CarpenterCarpenter木匠
厨师CookCook厨师
法官JudgeJudge法官
骑士KnightKnight骑士
石匠MasonMason石匠
铁匠SmithSmith铁匠
车工TurnerTurner车工
面包师Bakerbake烘烤
酿酒师Brewerbrew酿造
车夫Cartercar
桶匠Coopercoop笼子
染工Dyerdye染料
农夫Farmerfarm农场
提琴手Fiddlerfiddle小提琴
渔夫Fisherfish
园丁Gardenergarden花园
织手套工Gloverglove手套
头领Headhead
猎人Hunterhunt狩猎
公园守门人Parkerpark公园
制陶工人Potterpot
锯木匠Sawyersaw
鞋匠SchumacherShoemaker鞋匠
石板工Slaterslate石板
裁缝Taylortailor裁缝
葺屋顶者Thatcherthatched
织工Weaverweave编织
伐木工Woodmanwood木材
牧师Clark  
养鹰户Faulkner  
漂洗工Fuller  
男仆Page  
工匠Wright  

这些曾经广泛的传统职业有被机器取代的,有的职业消失不见了,已经失去的原本的意义。

3. 更多相关链接

欧洲最常见的姓氏列表
https://en.wikipedia.org/wiki/List_of_the_most_common_surnames_in_Europe#England

“英文名字”。www.behindthename.com。
http://www.behindthename.com/glossary/view/english_names
英格兰的诺曼人征服活动发生于1066年。诺曼人成为新的统治阶级,许多日耳曼人的名字代替了旧英语。
1538年引入教区登记册为稳定姓氏体系做出了重要贡献,但是直到17世纪后期,固定姓氏才在整个英格兰被引入。

英文名称和含义
http://www.behindthename.com/names/usage/english

英文姓氏的含义和起源
https://www.thoughtco.com/english-surnames-meanings-and-origins-1422405

https://en.wikipedia.org/wiki/English_name
https://en.wikipedia.org/wiki/Given_name
https://en.wikipedia.org/wiki/Middle_name



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