AI基础概念学习
2017-07-20 11:31
246 查看
1.人工智能(AI):智能程序的科学(指展现出看似具有智能的行为的硬件或者软件)
2.机器学习:通过经验来改善预测的质量(机器学习算法是通过训练来学习的)
3.机器学习算法(有效的学习算法举例):
随机森林:可创建众多决策树来优化预测
叶贝斯网络:可利用概率法来分析变量和变量之间的关系
支持向量机:提供分类的实例给它,它就能创建模型,然后分配新的输入给其中一个类别
深度学习
4.深度学习:卸载特征定义的麻烦
深度学习避免了程序员必须承担特征定义(定义特征来对数据进行分析)或者优化(如何赋予数据权重以提供精确预测)的任务——这两件事情都由算法包办了。
5.深度学习如何做到卸载特征定义:
深度学习的突破时对大脑而不是世界建模。深度学习对大脑进行建模:我们的大脑学习做复杂的事情——包括理解原因和识别对象等,靠的不只是处理详尽的规则,还包括学习和反馈。在没有掌握详尽规则集的情况下,通过训练学习。
6.深度学习采用的方法:
把近似大脑神经元功能的,人工的,基于软件的计算机连接到一起,他们组成了一个”神经网络”。这个网络接收输入,分析它,对它做出判断,然后再接收自己判断是否正确的信息。如果输出错误,算法会对神经元之间的连接进行调整,而这将改变未来的预测。
7.深度学习的适用性:
深度学习并不是适合每一个问题。它通常需要用庞大数据集来进行训练。训练和运行神经网络还需要庞大的计算能力。它还有一个“可解释性”的问题——究竟神经网络是如何形成预测是很难知道的。
8.深度学习是如何工作的
深度学习牵涉到对人工的“神经网络”——一组相互接连的“神经元(基于软件的计算器)”的利用
2.机器学习:通过经验来改善预测的质量(机器学习算法是通过训练来学习的)
3.机器学习算法(有效的学习算法举例):
随机森林:可创建众多决策树来优化预测
叶贝斯网络:可利用概率法来分析变量和变量之间的关系
支持向量机:提供分类的实例给它,它就能创建模型,然后分配新的输入给其中一个类别
深度学习
4.深度学习:卸载特征定义的麻烦
深度学习避免了程序员必须承担特征定义(定义特征来对数据进行分析)或者优化(如何赋予数据权重以提供精确预测)的任务——这两件事情都由算法包办了。
5.深度学习如何做到卸载特征定义:
深度学习的突破时对大脑而不是世界建模。深度学习对大脑进行建模:我们的大脑学习做复杂的事情——包括理解原因和识别对象等,靠的不只是处理详尽的规则,还包括学习和反馈。在没有掌握详尽规则集的情况下,通过训练学习。
6.深度学习采用的方法:
把近似大脑神经元功能的,人工的,基于软件的计算机连接到一起,他们组成了一个”神经网络”。这个网络接收输入,分析它,对它做出判断,然后再接收自己判断是否正确的信息。如果输出错误,算法会对神经元之间的连接进行调整,而这将改变未来的预测。
7.深度学习的适用性:
深度学习并不是适合每一个问题。它通常需要用庞大数据集来进行训练。训练和运行神经网络还需要庞大的计算能力。它还有一个“可解释性”的问题——究竟神经网络是如何形成预测是很难知道的。
8.深度学习是如何工作的
深度学习牵涉到对人工的“神经网络”——一组相互接连的“神经元(基于软件的计算器)”的利用
相关文章推荐
- J2EE学习笔记三:EJB基础概念和知识 收藏
- Cocos2d 学习笔记 - 3 - 基础概念
- 汇编学习笔记001——基础概念和知识
- Roope的Cocos2d-x学习之旅 001:基础概念学习——导演、场景、层、精灵
- Json学习一(基础概念知识学习)
- CNN学习之基础概念理解
- 【开发者指南】第二章:Cocos2d-x中的基础概念——学习笔记
- Hadoop基础入门学习笔记(基本概念)
- Vue基础概念,学习环境等
- 基础学习--表的概念(一)
- java基础学习之集合概念总结
- Java学习的基础概念和知识点
- C#学习基础概念25问
- C#学习基础概念二十五问续2第1/2页
- docker学习(1)--基础概念
- Oracle学习.基础概念:Oracle数据库、实例、用户、表空间、表之间的关系
- Runtime学习笔记1--基础概念篇
- pmp学习1——基础概念
- BCOS源码学习(一)基础概念
- 机器学习及其基础概念简介