卷積神經網絡 (Convolutional neural network)
卷積神經網絡是深度學習領域中最具代表性和影響力的模型之一，特別適合處理具有網格結構的數據，如圖像和視頻。它模仿生物視覺系統的信息處理方式，通過多層次的卷積運算，能夠自動從原始圖像中提取不同層次的特徵，並用於圖像分類、物體檢測、語義分割等任務。
查看AI術語
認知計算 (Cognitive computing)
認知計算是一種旨在模仿人類大腦認知過程的人工智慧技術，融合了機器學習、自然語言處理、計算機視覺、推理演算法以及信號處理等多種技術，通過深入分析和理解大量複雜的結構化和非結構化數據，實現對信息的感知、推理、決策與學習，進而支持人類的智能活動和決策。簡單來說，認知計算讓機器能夠像人類一樣思考、理解和互動，而不只是簡單的數據處理工具。
查看AI術語
大數據 (Big data)
大數據是指數量龐大、類型多樣、產生速度快且需要新型技術和工具進行存儲、管理和分析的複雜數據集合。它不能被傳統數據庫軟件或資料處理方法有效處理，因此需要特殊的分布式計算和分析技術來提取有價值的洞察。大數據的誕生與信息技術和互聯網的快速發展密不可分，它改變了各行各業的數據利用方式，成為數字經濟和智慧社會的重要基石。
查看AI術語
自動編碼器 (Autoencoder)
自動編碼器是一種特殊類型的人工神經網絡，主要用於無監督學習中的數據降維、特徵提取和數據重構。它的目標是學習如何將輸入數據編碼成一個低維度的潛在表示（latent representation），再從這個低維表示中解碼還原出與原始輸入盡可能相似的數據。通過這種方式，自動編碼器能夠提取數據中的本質特徵，剔除冗餘信息，常被用於去噪、壓縮及生成模型等領域。
查看AI術語
人工神經網絡 (Artificial neural network)
人工神經網絡（Artificial Neural Network，簡稱ANN）是一種模仿生物神經系統結構與功能的計算模型，是人工智慧和機器學習領域中重要的基礎技術。它通過大量相互連接的“人工神經元”節點組成分層結構，能從數據中自動學習複雜的模式與規律，廣泛應用於圖像識別、語音辨識、自然語言處理以及自動駕駛等多種智能任務中。
查看AI術語