574-87125682~574-87285796

软件開(kāi)發(fā)|系统開(kāi)發(fā)|信息市玩化建设|物联网開(kāi)發(fā)

KNOWLEDGE/知识

分享你我软件開(kāi)發(fā)、系统開(kāi)發(fā)方面(哥內miàn)的感悟

人工智能(néng)開(kāi)發(fā)简介

發(fā)表時(shí)间:2022-08-20 09:12:3商厭8

文章作者:小编

浏览次数:

人工智能(néng)是所有机器模仿人类认知能(néng)力的研究的超级集合。

例如:环境交互、知识表达、感知、學(xué)习、机器视觉、语言识别。

主要构成(chéng)理论包括:计算机科學(xué)、统计學(xué)、器雨数學(xué)。

机器學(xué)习

  1. 机器學(xué)习是人工智能(néng)的分支;
  2. 在计算机科學(xué)领域的应用使计算机无需显示编程就(jiù)器多能(néng)學(xué)习;
  3. 机器學(xué)习由能(néng)够基于数据進(jìn)行學(xué)习和視的预测的算法组成(chéng):
  • 這(zhè)类算法在前面(miàn)樣(yàng)本基础上進(jìn)物輛行训练,以建构和估计模型;
  • 在传统编程不可行的情况下,通常采用机器學(xué)习;
  • 如果經(jīng)過(guò)适当的训练,可以适应新的案例应用。弟玩

机器學(xué)习的应用领域

1.识别模式:

  • 真实场景的對(duì)象
  • 人脸/表情识别
  • 语言识别

2. 识别异常:

  • 欺诈性信用卡交易
  • 核电站传感器读数的异常模式

3. 预测

  • 未来股票价格
  • 精准广告推送


机器學(xué)习的一些方法:决策树、聚类、基于规则的學(xué)习、归纳逻辑编程、深度這會學(xué)习。


深度學(xué)习是利用神經(jīng)网络進(jìn)行的學(xué)习。

  • 灵感来自生物神經(jīng)网络
  • 深度是指有很多中间的學(xué)习步骤
  • 需要大量数据

深度學(xué)习的优势:

  • 数据模式和关系的自主學(xué)习
  • 高准确度
  • 容易
  • 改進(jìn)和微调
  • 适应性解决方案

深度學(xué)习的劣势:

  • 大量数据集
  • 高计算需求
  • 难以理论解释
  • 黑盒子(對(duì)大多数人)


卷积深度神經(jīng)网络在许多任务上都(dōu)优于以前身了的方法


什麼(me)是神經(jīng)网络?

  • 也称为人工神經(jīng)网络
  • 灵感来自生物神經(jīng)系统
  • 生物神經(jīng)元有三个主要组成(chéng)部分:树突、细胞体、突触


人工神經(jīng)元

神經(jīng)网络有三个层次:

  • 输入层:可以从其他神經(jīng)元或特征输入,例如年龄、身高黃生、体重等;
  • 隐藏层:向(xiàng)网络中添加更多的神經(jīng)元,真正的民嗎力量就(jiù)在這(zhè)裡(lǐ);
  • 输出层:给出我们想要预测的输出。

激活函数


神經(jīng)网络训练

  • 在监督學(xué)习中,我们有一个相對(duì)较大的数据集;
  • 將(jiāng)所有樣(yàng)本作为输入,以获得输出,成(chéng)为前熱去馈传播;
  • 開(kāi)始時(shí),可以根据应用程序场景随机或预定义权重;
  • 將(jiāng)预测结果与真实结果比较;
  • 任务目标是通過(guò)减少error使预测结果更加接近于真实的输出


相关案例查看更多