简述：人工智能系统 AI System

**一、人工智能系统 **
artificial intelligence system
定义：针对人类定义的给定目标,产生诸如内容、预测、推荐或决策等输出的一类工程系统。

注 1：该工程系统使用人工智能(3.1.2)相关的多种技术和方法,开发表征数据、知识、过程等的模型，用于执行任务。
注2：人工智能系统具备不同的自动化级别。

二、测试数据/评价数据
test data /evaluation data
用于评估最终机器学习模型性能的数据。
注：测试数据与训练数据、验证数据无交集。

三、长短时记忆网络 LSTM network
long short-term memory network;
一种含有区块结构并能够对不定时间长度的数值形成记忆，决定输入的记忆及输出的循环神经网格。
注：长短时记忆网络对处理长、短程相关性序列数据均具备良好性能。

四、迭代
iteration
针对一批样本、重复地执行系列步骤直至完成训练的过程。
注：一个（训)期中的迭代数量等于该期中，训练样本的批数。

五、分类模型
classification model
(机器学习)一种对给定输入数据，输出其所属的一个或多个类别的机器学习模型。

六、过拟合和欠拟合
overfitting和underfitting

七、回归模型
regression model
以给定数值为输入，预期的输出为连续变量的机器学习模型。

八、机器学习
machine learning
通过计算技术优化模型参数的过程。使模型的行为反映数据或经验。

九、机器学习模型
machine learning model
一种基于输入数据或信息生成推理或预测的计算结构。

十、机器学习算法
machine learning algorithm
依据给定的准则，根据数据确定机器学习模型参数的算法。

十一、卷积神经网络 CNN /深度卷积神经网络 DCNN
convolutional neural network;CNN
deep convolutional neural network;DCNN
一种前馈神径网络，在其至少一层中使用卷积。

十二、连接权重
connection weight
一个系数，在它与其他输入值结合前，乘以人工神经元的输入值。

十三、模式识别
pattern recognition
通过功能单元对某一对象物理或抽象的模式以及结构和配置的辨识。

十四、模型训练
model training

十五、模型优化 model optimization

十六、批量训练 batch training

十七、前馈神经网络 FFNN
feed forward neural network:FFNN

十八、强化学习 RL
reinforcement learning;RL

十九、神经网络
neural network; neural net; artificial neural network

二十、深度学习 deep learning
深度神经网络学习 deep neural network learning

二十一、数据标注 data labelling

二十二、推理 inference

二十三、微调 fine-tuning

二十四、无监督机器学习
unsupervised machine learning
仅用无标注数据实施训练的机器学习。

二十五、循环神经网格 RNN
recurrent neural network; RNN

二十六、训练数据 training data
用于训练机器学习模型的输入数据样本子集。

二十七、验证数据、开发数据
validation data 、development data
用于评估单个或多个候选机器学习模型性能的数据样本。

此blog地址：https://blog.csdn.net/hsg77