人工智能基础（高中版）中一些术语的整理

学习笔记-----人工智能基础（高中版）中一些术语的整理

第二章 辨类

特征：可以对事物得某些方面的特点进行刻画的数字或属性。（对同样的事物，可以提取出各种各样的特征）特征的质量很大程度上决定了分类器最终分类效果的好坏。

几种常用的人工设计的特征：
图像–方向梯度直方图
声音–梅尔频率倒谱系数
视频–光流直方图
有词频率–逆文档频率

特征向量：特征用向量的形式表示，能够把描述一个事物的特征数值都组织在一起。
特征点：表示特征向量的点。
特征空间：特征点构成的空间。
物体之间的相似程度：可以使用特征点之间的距离来衡量。
分类器：由特征向量到预测类别的函数。
线性分类器形式：
（n：特征向量的维数，
：函数的系数/分类器的参数）
训练/测试数据：在训练/测试阶段使用的数据。
训练集：被用于分类器训练的数据集（数据集中的每一行代表一个样本）。

两种常见的训练线性分类器的算法：感知器和支持向量机
感知器：利用被误分类的训练数据调整现有分类器的参数，使得调整后的分类器判断得更加准确。

（学习率）：每一次更新参数的程度大小。
损失函数：在训练过程中用来度量分类器输出错误程度的数学化表示。（预测错误程度越大，损失函数的取值就越大）
优化方法：调整参数的规则。（目标：使得损失函数的值最小）

一个点距离分类直线的远近可以表示分类预测的确信程度。
分类间隔：两个类别中离分类直线最近的点到直线的距离和。

支持向量机：在特征空间上分类间隔最大的分类器。
支持向量：能够定义分类直线的训练数据，也是最难被分类的训练数据。
几何间隔（数据点到分类直线）：点到直线的带符号的距离。
分类间隔是几何间隔的两倍。

分类准确率=（分类正确的样本数/测试样本总数）*100%

归一化指数函数：将一个向量（比如多个二分类函数的输出值可以组成一个向量）“压缩”到另一个向量中，使得其中每一个元素的范围在（0，1）之间，并且所有的元素和为1。（该过程称为归一化）

第三章 认物

图像由一个个小格子组成，用不同的数字表示不同的颜色，图像可以表示为一个由数字组成的举行列阵。
矩阵：由数字组成的矩形阵列
小格子：像素
格子的行数与列数：分辨率

三阶张量：按立方体排列的数字列阵。（长度和宽度：图像的分辨率，高度：阶数/通道数）

卷积运算参与者：向量、矩阵、三阶张量
两个向量卷积的结果：向量
卷积核（元素可以是任意实数）：与一个图像矩阵做卷积运算来得到一个新的矩阵的形状较小的矩阵。

边缘特征
方向梯度直方图：使用边缘检测技术和一些统计学方法，可以表示出图像中物体的轮廓。

深度神经网络：通常由多个顺序连接的层组成。（经过很多层的变换之后，神经网络就可以将原始图像转变为高层次的抽象的特征）
卷积层：深度神经网络在处理图像时十分常用的一种层。
卷积神经网络：以卷积层为主体的深度神经网络。
卷积层的最终输出：特征图。

全连接层：使用若干维数相同的向量与输入向量做内积操作，并将所有结果拼接成一个向量作为输出。
归一化指数层：完成多类线性分类器中的归一化指数函数的计算。
非线性激活层：先选定某种非线性函数，然后再对输入特征图或特征向量的每一种元素应用这种非线性函数，得到输出。
ReLU(以线性整流函数构成的非线性激活层)：对于输入的特征向量或特征图，它会将其中小于零的元素变成零，而保持其余元素的值不变，得到输出。（计算简单，计算速度快）

池化层
最大池化层：每一个区块取最大值的池化层。
平均池化层：每一个区块取平均值的池化层。

神经元：特征图或特征向量中的每个元素。
神经元的响应：元素的值。

训练：寻找最佳参数的过程。
反向传播算法（从后往前调整参数的方法）：预测结果不够好时，从最后一层开始，逐层调整神经网络的参数，使网络对这个训练样本能够做出更好的预测。
过拟合：复杂模型过多的“迎合”训练数据、导致其在大量新数据上表现很差的现象。
欠拟合：由于模型本身过于简单能力较弱，而导致在训练过程中准确率很低并且难以提升、在新数据上表现同样很差的现象。
梯度消失

第四章 听音

采样：使电信号在时间上变得离散。
量化：使电信号在幅度上变得离散。
时间序列（可视化后即波形）：（计算机中音频文件描述的是）一系列按时间先后顺序排列的数据点。
采样率：即采样频率，采样率越高，声音还原得越自然。

音乐三要素：响度（波形的幅度表示声音的强弱）、音调（声音频率的高低表示声音调子的高低）、音色（泛音）。
梅尔频率倒谱系数（MFCC）：MFCC特征的维数低，可以粗略的刻画出频谱的形状，可以大致描述出不同频率声音的能量高低，可以表达出声音的一个重要特性（共振峰）。
共振峰（在元音频谱上十分明显）：声音频谱上能量相对集中的一些区域。
梅尔频率：特殊的频率刻度。该频率刻度下等长的频率区间对应到普通频率下变为不等长的区间，低频部分分辨率高，高频部分分辨率低。
倒谱：可以将特征维数降低，并保留音频信号的重要特点。
切分音频时参数：窗口宽度、窗口间隔。

分帧：把一段语音分成若干小段。
把每一帧识别为一个状态，再把状态组合成音素。
音素：声母和韵母。
状态：比音素更加细节的语音单位。
一个音素通常会包含三个状态。
声学模型：利用语言的声学特性，把一系列语音帧转换为若干音素的过程。
语言模型：从音素到文字的过程需要用到语言表达的特点，在同音字中挑选出正确的文字，组成意义明确的语句。

第五章 视频

视频：按照时间顺序排列起来的图像。（每张照片称为这个视频的一帧）
行为：人类在执行某一任务的时候所发生的一连串动作。
视频行为识别：是计算机分析给定视频数据，辨别出用户行为的过程。
光流(瞬时位移)：描述三维的运动点投影到二维图像之后相应的投影点的运动（同一个点在相邻两帧的位移）。
光流直方图：统计视频中的光流信息，表示视频中物体的运动信息。
时空单元
光流分量
轨迹特征：描述一段时间内物体运动状态的特征。

静态：通过静态图片帧获得
动态：通过光流灰度图获得
基于单帧的识别方法：用视频中的某帧图片代表整个视频的信息。
水平（垂直）方向上的光流灰度图：把所有的水平位移取出来，然后把它们的值缩放到0到255之间，那么就得到了一张灰度图像。
双流卷积神经网络：空间流卷积神经网络（随机抽取的单个彩色图像帧作为输入的网络）和时间流卷积神经网络（多帧的光流图像作为输入的网络）。

时序分段网络:一种处理长视频数据（几分钟）的神经网络。能够将视频沿时间轴分段，使得采样样本能较为均匀的分布于整个时间段，使得网络能够模拟整个较长时间的结构，模型能够动态覆盖整个视频。
稀疏时间采样策略：对于长度不同的数据，根据时间先后分成固定数量的段落。从每个段落提取一个特征，可以得到固定长度的特征，后跟一个处理固定长度数据的网络。

第六章 无监督分类

聚类：通过分析数据在特征空间的聚集情况，可以将一组数据分成不同的类。（旨在把一群样本分为多个集合，使得同一集合内的元素尽量“相似”或“相近”）
聚类中心：由某一类的平均特征决定。
K均值聚类：随机地从样本中选取k个样本，作为每一个类别的初始聚类中心。将每一个样本划分给距离最近的聚类中心对应的类别，得到新的划分方式。重新计算每类样本的聚类中心，…。
手肘法：在拐点之后，随着K的增加，平均距离（样本到对应聚类中心的平均距离）减少的非常缓慢。该拐点是K值的一个合适的选择。

层次聚类：将每个样本都单独当成一类，然后重复的合并最相似的两个类，所有的类别间的距离都超过一个预设的截至距离时完成聚类。

第七章 识文

语料库：海量文本数据
文档：语料库中独立的文本
主题：文档的中心思想或主要内容
词袋模型：用于描述文本的一个简单数学模型，也是常用的一种文本特征提取方式。只考虑词语在文档中出现的次数，忽略词语的顺序以及句子的结构。
词计数向量
词频向量
中文的分词
停止词：不携带任何主题信息的高频词。（在构建词典时，通常不去除停止词）
低频词：出现次数极低。（去掉低频词）
词频率：一个词语在一篇文档中出现的频率。
一个词语的文档频率：语料库中出现过该词语的文档总数与语料库中所有文本的总数的商。
逆文档频率：文档频率的负对数。（越高越重要）
词频率–逆文档频率：一个词语在某篇文章中的词频率与该词的逆文档频率相乘。

主题模型：描述语料库及其潜在主题的一类数学模型。
D（文档词频）=W（主题比重）T（主题词频）
非负矩阵分解

第八章 创图

生成模型：可以随机生成观测数据。
生成对抗网络由生成网络（生成数据）和判别网络（分辨数据是真是假）组成。
数据空间：数据所在的空间。（在生成图像的任务中，数据空间就是一些图像的集合，也可称为图像空间，在该空间中，每张图片都是这个空间里的一个点）
空间：表示具有共性的元素组成的集合。
数据分布：数据在空间中分布的情况。
潜在空间：在生成对抗网络中所用到的简单分布生成的样本所在的空间。（把一个简单的、容易把握的分布变成这个复杂的、难以把握的数据分布，以此来通过简单的分布间接地掌握复杂的数据分布）

生成网络（生成器）：把随机点变成与数据集相似的图片。
生成点：生成网络生成的点。
生成分布：图像空间中的分布。（可通过生成网络，由潜在空间中的分布变换得到）

判别网络（判别器）：判断一张图片究竟是来自真实数据还是由生成网络所生成。（真实：1，生成：0，其他：可能是真实的概率）

第九章 围棋

策略网络（走棋网络）：该网络接受当前棋盘局面作为输入，并输出在当前局面下选择每个位置的落子概率。
强化学习（为了找到最佳策略，累积最多的回报）：反馈是评估性的，该学习系统只会告诉学习者当前的做法是好的还是坏的。（研究主体与环境之间的交互）
主体：负责做出决策的实体。
主体存在于环境中，其行为作用于环境，并接受环境的反馈。（主体通过动作作用于环境后，环境的好与坏就通过回报反馈给主体）

策略：指的是主体（阿法狗）的行为（即面对不同局面时阿法狗选择的下棋方案），是一个从状态集合（围棋中，由所有可能的棋局局面组成）到动作集合（阿法狗可以采取的所有符合规则的落子方案）的映射。

估值网络：在阿法狗的运用中用于量化评估/当前的围棋局面/（输入），使阿法狗在对弈中无需走完全局即可快速预测当前局面的胜率。

蒙特卡罗树搜索：一种通过随机推演建立一棵搜索树的启发式搜索过程。（从当前局面开始推演得到回报正/负，再反向沿着方案回溯，来提高获胜概率）
快速走子网络（轻量级的策略网络）：速度快，在进行蒙特卡罗树搜索（用来推演当前局面的发展）时可以快速模拟更多的未来落子可能性。

策略迭代算法：通过不断地交替进行策略评估和策略改进来完成强化学习。