自动驾驶深度学习常用中英文对照表
- A
- B
- C
- D
- E
- F
- G
- H
- I
- J
- K
- L
- M
- N
- O
- P
- Q
- R
- S
- T
- U
- V
- W
- Z
A
| 英文 | 中文 | 词性 | 
| activation | 激活值 | n,名词 | 
| activation function | 激活函数 | |
| additive noise | 加性噪声 | |
| autoencoder | 自编码器 | |
| Autoencoders | 自编码算法 | |
| average firing rate | 平均激活率 | |
| average sum-of-squares error | 均方差 | |
| autonomous | 自动的,自主的,自发的 | 
B
| 英文 | 中文 | 词性 | 
| backpropagation | 后向传播 | |
| basis | 基 | |
| basis feature vectors | 特征基向量 | |
| batch gradient ascent | 批量梯度上升法 | |
| Bayesian regularization method | 贝叶斯规则化方法 | |
| benchmark datasets | 标准数据集 | |
| Bernoulli random variable | 伯努利随机变量 | |
| bias term | 偏置项 | |
| binary classfication | 二元分类 | |
| benchmark | 基准 | n | 
C
| 英文 | 中文 | 词性 | 
| class labels | 类型标记 | |
| concatenation | 级联 | |
| confidence value | 广义置信度 | |
| cascaded cross channel parametric pooling | cccp层 | |
| confidence map | 置信图 | |
| conjugate gradient | 共轭梯度 | |
| contiguous groups | 联通区域 | |
| convex optimization software | 凸优化软件 | |
| convolution | 卷积 | |
| cost function | 代价函数 | |
| covariance matrix | 协方差矩阵 | 
D
| 英文 | 中文 | 词性 | 
| data augmentation | 数据增强 | |
| DC component | 直流分量 | |
| decorrelation | 去相关 | |
| degeneracy | 退化 | |
| demensionality reduction | 降维 | |
| derivative | 导函数 | |
| diagonal | 对角线 | |
| diffusion of gradients | 梯度的弥散 | |
| dimensionality | 维度 | 
E
| 英文 | 中文 | 词性 | 
| eigenvalue | 特征值 | |
| eigenvector | 特征向量 | |
| Euclidean distance | 欧式距离 | |
| error term | 残差 | 
F
| 英文 | 中文 | 词性 | 
| feature matrix | 特征矩阵 | |
| feature standardization | 特征标准化 | |
| feedforward neural network | 前馈神经网络 | |
| feedforward pass | 前馈传导 | |
| fine-tuned | 微调 | |
| first-order feature | 一阶特征 | |
| forward pass | 前向传导 | |
| forward propagation | 前向传播 | |
| feedforward architectures | 前馈结构算法 | |
| fuction approximator | 函数拟合器 | |
| fusion | 模型融合 | |
| framework | 框架,结构 | n,名词 | 
G
| 英文 | 中文 | 词性 | 
| Gaussian prior | 高斯先验概率 | |
| generative model | 生成模型 | |
| geometric mean | 几何均值 | |
| gradient descent | 梯度下降 | |
| Greedy layer-wise training | 逐层贪婪训练方法 | |
| GLM (generalized linear model) | 广义线性模型 | |
| grouping matrix | 分组矩阵 | 
H
| 英文 | 中文 | 词性 | 
| high resolution images | 高清图像 | |
| Hadamard product | 阿达马乘积 | |
| Hessian matrix Hessian | 矩阵 | |
| hidden layer | 隐含层 | |
| hidden units | 隐藏神经元 | |
| Hierarchical grouping | 层次型分组 | |
| higher-order features | 更高阶特征 | |
| highly non-convex optimization problem | 高度非凸的优化问题 | |
| histogram | 直方图 | |
| hyperbolic tangent | 双曲正切函数 | |
| hypothesis | 估值,假设 | |
| horizontal reflection | 水平反射(数据增强的一种) | 
I
| 英文 | 中文 | 词性 | 
| identity activation function | 恒等激励函数 | |
| IID | 独立同分布 | |
| illumination | 照明 | |
| inactive | 抑制 | |
| independent component analysis | 独立成份分析 | |
| input domains | 输入域 | |
| input layer | 输入层 | |
| intensity | 亮度/灰度 | |
| intercept term | 截距 | 
J
| 英文 | 中文 | 词性 | 
| jittering | 数据抖动 | 
K
| 英文 | 中文 | 词性 | 
| KL divergence | 相对熵 | |
| KL divergence | KL分散度 | |
| k-Means | K-均值 | 
L
| 英文 | 中文 | 词性 | 
| latent concepts | 潜在概念 | |
| learning rate | 学习速率 | |
| least squares | 最小二乘法 | |
| linear correspondence | 线性响应 | |
| linear superposition | 线性叠加 | |
| line-search algorithm | 线搜索算法 | |
| local mean subtraction | 局部均值消减 | |
| local response normalization | 局部归一化响应 | |
| local optima | 局部最优解 | |
| logistic regression | 逻辑回归 | |
| loss function | 损失函数 | |
| low-pass filtering | 低通滤波 | 
M
| 英文 | 中文 | 词性 | 
| magnitude | 幅值 | |
| MAP | 极大后验估计 | |
| maximum likelihood estimation | 极大似然估计 | |
| mean | 平均值 | |
| MFCC Mel | 倒频系数 | |
| multi-class classification | 多元分类 | |
| multilayer perceptron | 多层感知器 | 
N
| 英文 | 中文 | 词性 | 
| neural networks | 神经网络 | |
| neuron | 神经元 | |
| Newton’s method | 牛顿法 | |
| non-convex function | 非凸函数 | |
| non-linear feature | 非线性特征 | |
| norm | 范式 | |
| norm bounded | 有界范数 | |
| norm constrained | 范数约束 | |
| normalization | 归一化 | |
| numerical roundoff errors | 数值舍入误差 | |
| numerically checking | 数值检验 | |
| numerically reliable | 数值计算上稳定 | 
O
| 英文 | 中文 | 词性 | 
| object detection | 物体检测 | |
| objective function | 目标函数 | |
| off-by-one error | 缺位错误 | |
| orthogonalization | 正交化 | |
| output layer | 输出层 | |
| overall cost function | 总体代价函数 | |
| over-complete basis | 超完备基 | |
| over-fitting | 过拟合 | 
P
| 英文 | 中文 | 词性 | 
| parallelism | 并行 | |
| prior knowledge | 先验知识 | |
| parts of objects | 目标的部件 | |
| part-whole decompostion | 部分-整体分解 | |
| PCA | 主元分析 | |
| penalty term | 惩罚因子 | |
| perceptron | 感知器 | |
| per-example mean subtractio | 逐样本均值消减 | |
| pooling | 池化 | |
| pretrain | 预训练 | |
| principal components analysis | 主成份分析 | |
| proposal | 提议,建议 | n | 
Q
| 英文 | 中文 | 词性 | 
| quadratic constraints | 二次约束 | 
R
| 英文 | 中文 | 词性 | 
| RBMs | 受限Boltzman机 | |
| reconstruction based models | 基于重构的模型 | |
| reconstruction cost | 重建代价 | |
| reconstruction term | 重构项 | |
| redundant | 冗余 | |
| reflection matrix | 反射矩阵 | |
| regularization | 正则化 | |
| regularization term | 正则化项 | |
| rescaling | 缩放 | |
| robust | 鲁棒性 | |
| run | 行程 | 
S
| 英文 | 中文 | 词性 | 
| saturating | 饱和 | |
| second-order feature | 二阶特征 | |
| sigmoid activation function | S型激励函数 | |
| significant digits | 有效数字 | |
| singular value | 奇异值 | |
| singular vector | 奇异向量 | |
| smoothed L1 penalty | 平滑的L1范数惩罚 | |
| Smoothed topographic L1 sparsity penalty | 平滑地形L1稀疏惩罚函数 | |
| smoothing | 平滑 | |
| Softmax Regresson Softmax | 回归 | |
| sorted in decreasing order | 降序排列 | |
| source features | 源特征 | |
| sparse autoencoder | 消减归一化 | |
| Sparsity | 稀疏性 | |
| sparsity parameter | 稀疏性参数 | |
| sparsity penalty | 稀疏惩罚 | |
| spatial resolution | 控件 | |
| square function | 平方函数 | |
| squared-error | 方差 | |
| stationary | 平稳性(不变性) | |
| stationary stochastic process | 平稳随机过程 | |
| step-size | 步长值 | |
| stochastic gradient descent | 随机梯度下降 | |
| symmetric positive semi-definite matrix | 对称半正定矩阵 | |
| symmetry breaking | 对称失效 | |
| subset | 子集 | |
| supervised learning | 监督学习 | |
| sub_sampling layer | 子采样层 | |
| sensory | 视觉的 | adj,形容词 | 
| sensory-fusion | 视觉融合 | |
| subnetwork | 子网络 | 名词 | 
T
| 英文 | 中文 | 词性 | 
| tanh function | 双曲正切函数 | |
| the average activation | 平均活跃度 | |
| the derivative checking method | 梯度验证方法 | |
| the empirical distribution | 经验分布函数 | |
| the energy function | 能量函数 | |
| the Lagrange dual | 拉格朗日对偶函数 | |
| the log likelihood | 对数似然函数 | |
| the pixel intensity value | 像素灰度值 | |
| the rate of convergence | 收敛速度 | |
| topographic cost term | 拓扑代价项 | |
| topographic ordered | 拓扑秩序 | |
| transformation | 变换 | |
| translation invariant | 平移不变性 | |
| trivial answer | 平凡解 | 
U
| 英文 | 中文 | 词性 | 
| under-complete basis | 不完备基 | |
| unrolling | 组合扩展 | |
| unsupervised learning | 无监督学习 | 
V
| 英文 | 中文 | 词性 | 
| variance | 方差 | |
| vecotrized implementation | 向量化实现 | |
| vectorization | 矢量化 | |
| visual cortex | 视觉皮层 | |
| visualization | 可视化 | |
| voxel | 体素。立体像素 | 名词 | 
W
| 英文 | 中文 | 词性 | 
| weight decay | 权重衰减 | |
| weighted average | 加权平均值 | |
| whitening | 白化 | 
Z
| 英文 | 中文 | 词性 | 
| zero-mean | 均值为零 | 
                










