-
Notifications
You must be signed in to change notification settings - Fork 45
/
chap-trans-zh.tex
708 lines (484 loc) · 13.5 KB
/
chap-trans-zh.tex
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
%# -*- coding: utf-8 -*-
%!TEX encoding = UTF-8 Unicode
%!TEX TS-program = xelatex
% vim:ts=4:sw=4
%
% 以上设定默认使用 XeLaTex 编译,并指定 Unicode 编码,供 TeXShop 自动识别
% Author: Yunhui Fu <[email protected]>
% License: Creative Commons (CC BY 4.0)
\section{\cnt{Chinese Version}{中文版本说明}{}}
\subsection{\cnt{Chinese-English dictionary}{中英文词汇对照}{}}
\begin{longtable}[h]{m{0.4\textwidth}m{0.4\textwidth}}
\caption{中英文词汇对照} \label{tab:zhendict} \\
\toprule
\textbf{英文}&\textbf{中文} \\
\midrule
\endfirsthead % endfirsthead 以上內容只出現在第一頁
\midrule
\textbf{英文}&\textbf{中文} \\
\midrule
\endhead % endfirsthead 及 endhead 間的內容會排版至每頁上方
%\midrule
\multicolumn{2}{r}{续下页 \dots} \\
\midrule
\endfoot % endfoot 以上的內會出現在每頁底部
\endlastfoot
neural networks & 神经网络 \\
\midrule
activation function & 激活函数 \\
\midrule
hyperbolic tangent & 双曲正切函数 \\
\midrule
bias units & 偏置项 \\
\midrule
activation & 激活值 \\
\midrule
forward propagation & 前向传播 \\
\midrule
feedforward neural network & 前馈神经网络(参照Mitchell的《机器学习》的翻译) \\
\midrule
Backpropagation Algorithm & 反向传播算法 \\
\midrule
(batch) gradient descent & (批量)梯度下降法 \\
\midrule
(overall) cost function & (整体)代价函数 \\
\midrule
squared-error & 方差 \\
\midrule
average sum-of-squares error & 均方差 \\
\midrule
regularization term & 规则化项 \\
\midrule
weight decay & 权重衰减 \\
\midrule
bias terms & 偏置项 \\
\midrule
Bayesian regularization method & 贝叶斯规则化方法 \\
\midrule
Gaussian prior & 高斯先验概率 \\
\midrule
MAP & 极大后验估计 \\
\midrule
maximum likelihood estimation & 极大似然估计 \\
\midrule
activation function & 激活函数 \\
\midrule
tanh function & 双曲正切函数 \\
\midrule
non-convex function & 非凸函数 \\
\midrule
hidden (layer) units & 隐藏层单元 \\
\midrule
symmetry breaking & 对称失效 \\
\midrule
learning rate & 学习速率 \\
\midrule
forward pass & 前向传导\\
\midrule
hypothesis & 假设值 \\
\midrule
error term & 残差 \\
\midrule
weighted average & 加权平均值 \\
\midrule
feedforward pass & 前馈传导 \\
\midrule
Hadamard product & 阿达马乘积 \\
\midrule
forward propagation & 前向传播 \\
\midrule
off-by-one error & 缺位错误 \\
\midrule
bias term & 偏置项 \\
\midrule
numerically checking & 数值检验 \\
\midrule
numerical roundoff errors & 数值舍入误差 \\
\midrule
significant digits & 有效数字 \\
\midrule
unrolling & 组合扩展 \\
\midrule
learning rate & 学习速率 \\
\midrule
Hessian matrix & Hessian 矩阵 \\
\midrule
Newton's method & 牛顿法 \\
\midrule
conjugate gradient & 共轭梯度 \\
\midrule
step-size & 步长值 \\
\midrule
自编码算法 Autoencoders \\
\midrule
稀疏性 Sparsity \\
\midrule
神经网络 neural networks \\
\midrule
监督学习 supervised learning \\
\midrule
无监督学习 unsupervised learning \\
\midrule
隐藏神经元 hidden units \\
\midrule
像素灰度值 the pixel intensity value \\
\midrule
独立同分布 IID \\
\midrule
主元分析 PCA \\
\midrule
激活 active \\
\midrule
抑制 inactive \\
\midrule
激活函数 activation function \\
\midrule
激活度 activation \\
\midrule
平均活跃度 the average activation \\
\midrule
稀疏性参数 sparsity parameter \\
\midrule
惩罚因子 penalty term \\
\midrule
相对熵 KL divergence \\
\midrule
伯努利随机变量 Bernoulli random variable \\
\midrule
总体代价函数 overall cost function \\
\midrule
后向传播 backpropagation \\
\midrule
前向传播 forward pass \\
\midrule
梯度下降 gradient descent \\
\midrule
目标函数 the objective \\
\midrule
梯度验证方法 the derivative checking method \\
\midrule
可视化 Visualizing \\
\midrule
自编码器 Autoencoder \\
\midrule
隐藏单元 hidden unit \\
\midrule
非线性特征 non-linear feature \\
\midrule
激励 activate \\
\midrule
平凡解 trivial answer \\
\midrule
范数约束 norm constrained \\
\midrule
稀疏自编码器 sparse autoencoder \\
\midrule
有界范数 norm bounded \\
\midrule
输入域 input domains \\
\midrule
逻辑回归 Logistic Regression \\
\midrule
批量梯度上升法 batch gradient ascent \\
\midrule
截距 intercept term \\
\midrule
对数似然函数 the log likelihood \\
\midrule
导函数 derivative \\
\midrule
梯度 gradient \\
\midrule
向量化 vectorization \\
\midrule
正向传播 forward propagation \\
\midrule
反向传播 backpropagation \\
\midrule
训练样本 training examples \\
\midrule
激活函数 activation function \\
\midrule
稀疏自编码网络 sparse autoencoder \\
\midrule
稀疏惩罚 sparsity penalty \\
\midrule
平均激活率 average firing rate \\
\midrule
Principal Components Analysis 主成份分析 \\
\midrule
whitening 白化 \\
\midrule
intensity 亮度 \\
\midrule
mean 平均值 \\
\midrule
variance 方差 \\
\midrule
covariance matrix 协方差矩阵 \\
\midrule
basis 基 \\
\midrule
magnitude 幅值 \\
\midrule
stationarity 平稳性 \\
\midrule
normalization 归一化 \\
\midrule
eigenvector 特征向量 \\
\midrule
eigenvalue 特征值 \\
\midrule
白化 whitening \\
\midrule
冗余 redundant \\
\midrule
方差 variance \\
\midrule
平滑 smoothing \\
\midrule
降维 dimensionality reduction \\
\midrule
正则化 regularization \\
\midrule
反射矩阵 reflection matrix \\
\midrule
去相关 decorrelation \\
\midrule
Softmax回归 Softmax Regression \\
\midrule
有监督学习 supervised learning \\
\midrule
无监督学习 unsupervised learning \\
\midrule
深度学习 deep learning \\
\midrule
logistic回归 logistic regression \\
\midrule
截距项 intercept term \\
\midrule
二元分类 binary classification \\
\midrule
类型标记 class labels \\
\midrule
估值函数/估计值 hypothesis \\
\midrule
代价函数 cost function \\
\midrule
多元分类 multi-class classification \\
\midrule
权重衰减 weight decay \\
\midrule
自我学习/自学习 self-taught learning \\
\midrule
无监督特征学习 unsupervised feature learning \\
\midrule
自编码器 autoencoder \\
\midrule
白化 whitening \\
\midrule
激活量 activation \\
\midrule
稀疏自编码器 sparse autoencoder \\
\midrule
半监督学习 semi-supervised learning \\
\midrule
自我学习 self-taught learning \\
\midrule
深层网络 deep networks \\
\midrule
微调 fine-tune \\
\midrule
稀疏自编码器 sparse autoencoder \\
\midrule
梯度下降 gradient descent \\
\midrule
非监督特征学习 unsupervised feature learning \\
\midrule
pre-training & 预训练 \\
\midrule
深度网络 Deep Networks \\
\midrule
深度神经网络 deep neural networks \\
\midrule
非线性变换 non-linear transformation \\
\midrule
激活函数 activation function \\
\midrule
简洁地表达 represent compactly \\
\midrule
“部分-整体”的分解 part-whole decompositions \\
\midrule
目标的部件 parts of objects \\
\midrule
高度非凸的优化问题 highly non-convex optimization problem \\
\midrule
共轭梯度 conjugate gradient \\
\midrule
梯度的弥散 diffusion of gradients \\
\midrule
逐层贪婪训练方法 Greedy layer-wise training \\
\midrule
自动编码器 autoencoder \\
\midrule
微调 fine-tuned \\
\midrule
自学习方法 self-taught learning \\
\midrule
栈式自编码神经网络(可以考虑翻译为“多层自动编码机”或“多层自动编码神经网络”) Stacked autoencoder \\
\midrule
微调 Fine tuning \\
\midrule
反向传播算法 Backpropagation Algorithm \\
\midrule
前馈传递 feedforward pass \\
\midrule
激活值 (可以考虑翻译为“激励响应”或“响应”) activation \\
\midrule
线性解码器 Linear Decoders
稀疏自编码 Sparse Autoencoder
输入层 input layer
隐含层 hidden layer
输出层 output layer
神经元 neuron
神经网络 neural network
自编码器 autoencoder
激励函数 activation function
鲁棒 robust
S型激励函数 sigmoid activation function
tanh激励函数 tanh function
线性激励函数 linear activation function
恒等激励函数 identity activation function
隐单元 hidden unit
权重 weight
偏差项 error term
反向传播算法 backpropagation
全联通网络 Full Connected Networks
稀疏编码 Sparse Autoencoder
前向输送 Feedforward
反向传播 Backpropagation
部分联通网络 Locally Connected Networks
连接区域 Contiguous Groups
视觉皮层 Visual Cortex
卷积 Convolution
固有特征 Stationary
池化 Pool
稀疏编码 Sparse Coding
无监督学习 unsupervised method
超完备基 over-complete bases
主成分分析 PCA
稀疏性 sparsity
退化 degeneracy
代价函数 cost function
重构项 reconstruction term
稀疏惩罚项 sparsity penalty
范式 norm
生成模型 generative model
线性叠加 linear superposition
加性噪声 additive noise
特征基向量 basis feature vectors
经验分布函数 the empirical distribution
KL 散度 KL divergence
对数似然函数 the log-likelihood
高斯白噪音 Gaussian white noise
先验分布 the prior distribution
先验概率 prior probability
源特征 source features
能量函数 the energy function
正则化 regularized
最小二乘法 least squares
凸优化软件convex optimization software
共轭梯度法 conjugate gradient methods
二次约束 quadratic constraints
拉格朗日对偶函数 the Lagrange dual
前馈结构算法 feedforward architectures
稀疏编码 sparse coding
自编码 autoencoder
目标函数 objective function
稀疏代价 sparsity cost
反向传播 backpropagation
基于梯度的 gradient-based
非凸的 non-convex
权重衰变 weight decay
拓扑稀疏编码 topographic sparse coding
拓扑秩序 topographically ordered
平滑的一范数惩罚 smoothed L1 penalty
迷你块 mini-batches
收敛速度 the rate of convergence
梯度下降 gradient descent
局部最优解 local optima
归一化 normalization
白化 whitening
直流分量 DC component
局部均值消减 local mean subtraction
消减归一化 sparse autoencoder
缩放 rescaling
逐样本均值消减 per-example mean subtraction
特征标准化 feature standardization
平稳 stationary
Mel倒频系数 MFCC
零均值化 zero-mean
低通滤波 low-pass filtering
基于重构的模型 reconstruction based models
自编码器 autoencoders
稀疏编码 sparse coding
受限Boltzman机 RBMs
k-均值 k-Means
长尾 long tail
损失函数 loss function
正交化 orthogonalization
反向传导 backpropagation
稀疏编码 sparse coding
权重矩阵 weight matrix
目标函数 objective
平滑地形L1稀疏罚函数 Smoothed topographic L1 sparsity penalty
重建代价 reconstruction cost
稀疏自编码器 sparse autoencoder
梯度 gradient
神经网络 neural network
神经元 neuron
激励 activation
激励函数 activation function
独立成分分析 independent component analysis
单位激励函数 identity activation function
平方函数 square function
分组矩阵 grouping matrix
特征矩阵 feature matrix
独立成分分析 Independent Component Analysis
稀疏编码算法 Sparse coding
超完备基 Over-complete basis
标准正交基 Orthonormal basis
稀疏惩罚项 Sparsity penalty
梯度下降法 Gradient descent
白化 Whitened
不完备基 Under-complete basis
线搜索算法 Line-search algorithm
拓扑代价项 Topographic cost term
\\
\bottomrule
\end{longtable}
\subsection{\cnt{Translator}{翻译人员}{}}
\begin{longtable}[h]{cm{0.8\textwidth}}
\caption{翻译人员} \label{tab:zhtranslator} \\
\toprule
\textbf{章节}&\textbf{翻译} \\
\midrule
\endfirsthead % endfirsthead 以上內容只出現在第一頁
\midrule
\textbf{章节}&\textbf{翻译} \\
\midrule
\endhead % endfirsthead 及 endhead 間的內容會排版至每頁上方
%\midrule
\multicolumn{2}{r}{续下页 \dots} \\
\midrule
\endfoot % endfoot 以上的內會出現在每頁底部
\endlastfoot
\ref{chp:neuralnet} & { 孙逊(\mailurl{[email protected]}),林锋(\mailurl{[email protected]}),刘鸿鹏飞(\mailurl{[email protected]}),许利杰(\mailurl{[email protected]}) } \\
\midrule
\ref{chp:bkpropgationalg} & 王方(\mailurl{[email protected]}),林锋(\mailurl{[email protected]}),许利杰(\mailurl{[email protected]}) \\
\midrule
\ref{chp:gradcheckingopt} & 袁晓丹(\mailurl{[email protected]}),王方(\mailurl{[email protected]}),林锋(\mailurl{[email protected]}),许利杰(\mailurl{[email protected]}) \\
\midrule
\ref{chp:autoencsparse} & 周韬(\mailurl{[email protected]}),葛燕儒(\mailurl{[email protected]}),林锋(\mailurl{[email protected]}),余凯(\mailurl{[email protected]}) \\
\bottomrule
\end{longtable}