词汇表

当研究人员拒绝实际为真的原假设时，统计假设检验中就会出现 I 型错误，也称为假阳性。简而言之，这意味着得出结论，认为存在效果或差异，而实际上没有影响。这种类型的误差与检验的显著性水平（alpha、α）有关，即出现 I 类错误的概率。

当研究人员未能否定实际上是错误的原假设时，统计假设检验中就会出现 II 型错误，也称为假阴性。换句话说，这意味着在事实上确实存在影响或差异的情况下，得出没有影响或没有差异的结论。这种类型的错误与出现 II 类错误的概率有关，用 beta (β) 表示。

TensorFlow 是谷歌开发的开源机器人学习框架，也许允许开发人员构思创建、训练和部落机器人学习模型。它提供了一个工具、库和社区资源组合的综合生态系统，可以更轻松地实现深度学习和其他高级机器人学习算法。TensorFlow 广泛，可用于各种应用，包括图像识别、自然语言处理和预测分析。

主题建模是一种统计模型，用于发现文档集合中出现的抽象主题或主题。它是一种无监督的机器学习技术，有助于识别文本数据中的单词模式，然后可以将其组合在一起形成主题。这些主题可以提供对文档基本主题的见解，使其成为自然语言处理 (NLP)、信息检索和内容分类等领域文本分析的强大工具。

交通管理系统（TMS）是全面的框架，旨在监测、控制和优化道路网络内的交通流量，确保安全、效率和环境可持续性。通过结合先进的技术、数据驱动的见解和协调的战略，TMS使城市和交通管理部门能够应对城市化、交通拥堵和道路安全等日益增长的挑战。

令牌化是将文本转换为称为令牌的较小单位的过程。这些标记可以是单词、短语甚至字符，具体取决于所需的粒度。令牌化是自然语言处理 (NLP) 的基本步骤，因为它可以将文本转换为机器学习模型更容易处理的格式。

图灵测试是衡量机器表现出与人类无法区别的智能行为能力的指标。该测试由英国数学家和计算机科学家艾伦·图灵在1950年提出，旨在评估机器是否可以与人工评估人员进行对话，从而使评估人员无法仅凭对话可靠地将机器与人类区分开来。

张量网络理论是物理学和计算机科学中用于有效表示和操作高维数据结构（称为张量）的数学框架。张量是矩阵向多维度的概括，张量网络提供了一种使用相互连接的张量网络分解和表示这些复杂结构的方法。该理论在量子物理学中特别有价值，尤其是在量子多体系统的研究以及机器学习和数据科学中。

技术奇异性是一个假设的未来时刻，技术增长将变得不可控制和不可逆转，从而导致人类文明发生不可预见的变化。这个概念通常涉及创造超越人类智能的超级智能机器或人工智能，这有可能导致科学、技术和社会的快速进步。这种奇异性的特征在于这样的观点，即在这一点之后，人类生活和技术将发生根本的不同，因此很难预测或理解。

时差 (TD) 学习是一种强化学习技术，它结合了蒙特卡罗方法和动态规划的思想。它用于通过根据连续预测之间的差异更新价值估计值来预测系统中的未来回报。在学习主体需要根据当前和未来的经验逐步做出决策的情况下，TD学习至关重要。

时间复杂度是一个计算概念，用于描述算法运行所需的时间，以其输入大小为函数。它提供了一种估算算法效率的方法，特别是在输入较大时如何扩展算法效率方面。时间复杂度对于评估和比较算法的性能至关重要，尤其是在处理大型数据集或优化代码以提高速度时。

时间序列分析是一种统计技术，用于分析在一段时间内以一致的时间间隔收集的时间顺序数据点。时间序列分析的目的是确定趋势、季节性和周期等模式，这些模式可用于预测未来值。这种方法在金融、经济学、气象学等各个领域以及随时间推移按顺序记录数据的任何领域都至关重要。

时间序列数据是按固定时间间隔收集或记录的一系列数据点。与其他类型的数据不同，时间序列数据以其观测的时间顺序为特征，因此它对于分析一段时间内的趋势、季节性模式和时间动态至关重要。此类数据广泛用于金融、经济学、气象学等领域，以及任何监测和预测随时间推移变化至关重要的领域。

在机器学习和数据科学的背景下，测试数据是指用于评估训练模型性能的数据子集。与用于教学模型的训练数据不同，测试数据用于评估模型对新的、看不见的数据的推广效果。该模型对测试数据的预测的准确性和可靠性可以深入了解其有效性和潜在的实际性能。

理论计算机科学是计算机科学的一个分支，侧重于计算的数学和抽象基础。它涉及算法、计算复杂性、自动机理论、形式语言以及构成设计和分析计算机系统和软件基础的其他基本概念的研究。理论计算机科学旨在了解可计算内容的局限性、计算效率以及控制计算的基本原理。

真正的量化布尔公式 (TQBF) 是一种逻辑公式，其中所有变量都被量化（无论是通用变量还是存在变量），公式的计算结果为真。TQBF 是理论计算机科学中的一个重要概念，尤其是在计算复杂性研究中。确定给定量化布尔公式是否为真的问题被称为 TQBF 问题，它是 pSPACE-Complete，这意味着它是使用多项式内存量可以解决的最困难的问题之一。

移民学习惯是机器人学习中一门强度的技术，在这样的技术中，作为一个任务开发的模型可以重复使用作业，但相关任务的模版型可以重复使用作业，但相关任务的模组类型的起点。这种方法在标记数据量有限的情况下特别有用，它允许知识从一个区域转向移植到另一个领域，从而提示高学历的效率和有效性。

类型系统是编程语言中的正式框架，用于对数据类型进行分类并定义它们的交互方式。它有助于确保在兼容类型的数据上执行程序中的操作，从而防止在编译或运行时出现与类型相关的错误。类型系统强制执行有关如何使用函数、变量和表达式的规则，这有助于提高代码的安全性、可维护性和可靠性。

Training data is a fundamental component in the development of machine learning models. It consists of the dataset used to train a model, enabling it to learn patterns, make predictions, or perform tasks. This data is labeled, meaning it includes both input data and the corresponding correct output or classification. The quality and quantity of the training data significantly influence the performance and accuracy of the machine-learning model.

转移注释是机器学习和数据科学中使用的一种方法，其中使用来自一个带注释的数据集（通常是大型的带标签数据集）的知识来辅助注释另一个数据集，通常是较小或标签较少的数据集。这种方法利用先前存在的标签数据来提高新数据注释的效率和准确性，尤其是在图像识别、自然语言处理等任务中，以及手动注释可能既耗时又昂贵的其他领域。

远程操作是指人类操作员对机器、车辆或机器人系统的远程控制。该技术通过向系统传输命令并通过传感器、摄像头和其他设备接收实时反馈，使操作员能够在危险、无法进入或遥远的环境中执行任务。远程操作将人类智能和决策与机器能力相结合，将人类的存在和行动扩展到远程地点。