青岛网站制作辰星辰,全栈网站开发流程图,西安建设网站推广,wordpress 邮件文本深度学习介绍与环境搭建
慕课大学人工智能学习笔记#xff0c;自己学习记录用的。#xff08;赋上连接#xff09;
https://www.icourse163.org/learn/ZUCC-1206146808?tid1471365447#/learn/content?typedetailid1256424053cid1289366515人工智能、机器学习与…深度学习介绍与环境搭建
慕课大学人工智能学习笔记自己学习记录用的。赋上连接
https://www.icourse163.org/learn/ZUCC-1206146808?tid1471365447#/learn/content?typedetailid1256424053cid1289366515人工智能、机器学习与深度学习的关系 机器学习
机器学习是人工智能的一个分支它是实现人工智能的一个核心技术即以机器学习为手段解决人工智能中的问题机器学习是通过一些让计算机可以自动学习的算法并从数据中分析获得规律然后利用规律对新样本进行预测机器学习的形式化的描述对于某类任务T和性能度量P如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善那么就称这个计算机程序在从经验E学习。 机器学习的学习形式分类 有监督学习指的是事先要准备好输入与正确输出区分方法相配套的训练数据让计算机进行学习以便当他被输入某个数据是能够得到正确的输出区分方法。无监督学习的目的是让计算机自己去学习怎样做一些事情所有数据只有特征没有标记。无监督学习备孕用与仅提供输入用数据、需要计算机自己找出数据内在结构的场合。其目的是让计算机从数据中抽取其中所包含的模式及规则。半监督学习二者的中间地带是半监督学习对于半监督学习其训练数据一部分有标记另一部分没有标记而没有标记数据的数量尝尝极大与有标记数据的数量。它的基本规律是数据的分部必然不是完全随机的通过结合有标记数据的局部特征以及大量没标记数据的整体分部可以得道比较好的分类结果。强化学习是解决计算机从感知到决策控制的问题从而实现通用人工智能。强化学习是目标导向的从白纸一张的状态开始经由许多个步骤来实现某一维度上的目标最大化。最简单的理解是在训练过程中不断去尝试错误就惩罚正确就奖励由此训练得到的模型在各个状态环境中都最好。对强化学习来说它虽然没有标记但有一个延迟奖励与训练相关通过学习过程中的激励函数获得某种从状态到行动的映射强化学习强调如何基于环境而行动以取得最大化的预期利益。强化学习一般在游戏、下期等需要连续决策的领域。
无监督机器学习的典型应用模式 有监督机器学习的典型应用模式 深度学习 全连接网络指的是Layer1层的节点和后一层全都有连接。
常见的激活函数 深度神经网络
如果有层数、节点越多神经网络能力越强。卷积神经网络CNN
卷积神经网络是深度学习中最重要的概念之一
20世纪60年代Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效降低神经网络的复杂性。
1998年Yann LeCun提出了LeNet神经网络标志着第一个采用卷积思想的神经网络面世。深度学习技术存在的问题
面向任务单一依赖于大规模有标签数据几乎是个黑箱模型可解释性不强 无监督的深度学习、迁移说戏、深度强化学习和贝叶斯深度学习等受关注 深度学习具有很好的可推广性和应用性但不是人工智能的全部未来人工智能需要有更多类似技术。
深度学习框架