deeplearning 打卡第一天_AI领域概念及关系
2017-02-01 21:13
218 查看
本系列内容是对于Deep Learning一书的研读心得,将会在尊重原著及版权的基础上,加入一部分critical thinking。阅读请尊重Deep Learning原著版权。本系列欢迎评论转载,请注明出处。
本文中图片来源于原书Deep Learning,只用于学习交流,不得用于商业目的。
今天是正式开始读Deep Learning的第一天,决定了就要从头到尾学习一下,还是不要放松。
今天阅读的主体内容是CHAPTER 1. INTRODUCTION,主要讲解了整个AL领域重要的技术领域,相互关系,及重要的概念,大致梳理如下:
首先,这张图可以很形象地说明,我们平时很容易混淆的几个概念,人工智能,机器学习,表达学习,深度学习之间的关联。这几个概念呈现层层递进的关系,以deep learning为前沿和核心。
其中representation learning是平时接触较少的,这一方法,用于应对复杂问题难以手工定义并提取特征的困境。其实现策略,我认为书中给的解释非常切中肯綮,所以直接沿用:One solution to this problem is to use machine learning to discover not only the mapping from representation to output but also the representation itself.
这一系列方法呈现逐层递进的重要原因:
一是特征选择的方式,从传统AI与机器学习的手工设计提取特征,到表达学习与深度学习的将机器学习应用于特征选择本身、
二是将特征映射为输出的方式,表达学习及之前,机器学习是专门寻找特征到输出的映射关系的,使用的是“一步到位”的想法;深度学习所使用的是分层处理特征,逐步提高特征的抽象程度,最终映射为输出。
下图可以很好地说明这一点:
对于特征选择的重要性,书籍选用了一个做分类的例子来说明,即用一条线分开两类不同的数据,图示展示了在笛卡尔系下和极坐标系下的重大区别:
同时,今天阅读的内容,还讲解了如何确定一个深度学习模型的深度(depth)。这个概念是由模型的最大深度定义的。确定它,主要的两种方法,一是计算模型完成整个过程所需要的顺序指令;二是对于概念的抽象层数。举例说明的话,假设识别一张人脸图片,先是由像素识别脸上的器官,需要n次顺序指令的计算,再是由器官识别整张脸,需要n次顺序计算。第一种方法认
8541
为,2n是深度,因为共完成了2n次顺序指令;第二种方法认为,2是深度,因为从输入到输出,共完成了2次概念或者说特征的抽象。
这是一个很好玩的话题,因为似乎并没有统一的标准,还在很大程度上取决于编程所用的语言,及计算时选取的粒度。如下图所示,展示了对于基本元素选取的粒度不同,是如何影响模型深度的计算:
至此,今天的内容基本结束。
本文中图片来源于原书Deep Learning,只用于学习交流,不得用于商业目的。
今天是正式开始读Deep Learning的第一天,决定了就要从头到尾学习一下,还是不要放松。
今天阅读的主体内容是CHAPTER 1. INTRODUCTION,主要讲解了整个AL领域重要的技术领域,相互关系,及重要的概念,大致梳理如下:
首先,这张图可以很形象地说明,我们平时很容易混淆的几个概念,人工智能,机器学习,表达学习,深度学习之间的关联。这几个概念呈现层层递进的关系,以deep learning为前沿和核心。
其中representation learning是平时接触较少的,这一方法,用于应对复杂问题难以手工定义并提取特征的困境。其实现策略,我认为书中给的解释非常切中肯綮,所以直接沿用:One solution to this problem is to use machine learning to discover not only the mapping from representation to output but also the representation itself.
这一系列方法呈现逐层递进的重要原因:
一是特征选择的方式,从传统AI与机器学习的手工设计提取特征,到表达学习与深度学习的将机器学习应用于特征选择本身、
二是将特征映射为输出的方式,表达学习及之前,机器学习是专门寻找特征到输出的映射关系的,使用的是“一步到位”的想法;深度学习所使用的是分层处理特征,逐步提高特征的抽象程度,最终映射为输出。
下图可以很好地说明这一点:
对于特征选择的重要性,书籍选用了一个做分类的例子来说明,即用一条线分开两类不同的数据,图示展示了在笛卡尔系下和极坐标系下的重大区别:
同时,今天阅读的内容,还讲解了如何确定一个深度学习模型的深度(depth)。这个概念是由模型的最大深度定义的。确定它,主要的两种方法,一是计算模型完成整个过程所需要的顺序指令;二是对于概念的抽象层数。举例说明的话,假设识别一张人脸图片,先是由像素识别脸上的器官,需要n次顺序指令的计算,再是由器官识别整张脸,需要n次顺序计算。第一种方法认
8541
为,2n是深度,因为共完成了2n次顺序指令;第二种方法认为,2是深度,因为从输入到输出,共完成了2次概念或者说特征的抽象。
这是一个很好玩的话题,因为似乎并没有统一的标准,还在很大程度上取决于编程所用的语言,及计算时选取的粒度。如下图所示,展示了对于基本元素选取的粒度不同,是如何影响模型深度的计算:
至此,今天的内容基本结束。
相关文章推荐
- 需求分析、架构分析、领域分析和系统分析之间的关系和概念?
- 深度丨人工智能和大数据的关系及中国在AI领域如何赶超世界
- Deeplearning ,AI,Machine Learning 的关系
- 项目管理中的九大知识领域与五个项目管理过程关系
- 吴恩达deeplearning.ai最后一课上线,下一次得等多少年?
- 学习JavaScript 的必备 (一),让您对js的 function, javascript内置对象,this概念及之间的关系不再迷惑
- 复杂度的概念以及算法中常用的递推关系
- 数据库系统概念中table/view/schema/index的关系
- 关系模型--码概念
- 吴恩达deeplearning.ai课程系列笔记04
- 复杂事件处理(Complex Event Processing)--1. 基本概念:事件,事件关系,事件处理的简单抽象理解
- Java多线程(一)、理解进程与多线程的概念及关系
- 数据库基本理论和概念:关系模型
- AE常见接口之间的关系+常见概念
- linux应用领域-----移动客户端====Android系统和linux内核的关系详解
- 时尚概念渐成现实生活 “无人”领域多点开花
- DDD:在基于关系数据库的领域,聚合的边界等于并发管理的边界。
- AI角 | 吴恩达李飞飞西瓜书课程学习打卡开启,追随superstar,搞定AI核心知识!
- 一个梦想触及AI领域的大一Student,初入IT,给自己加油,也是给自己规划的一篇博客!
- 第六章基本概念--数据库服务器、数据库和表的关系