一文读懂人工智能、机器学习、深度学习有啥渊源
总结2016年一件有纪念意义的科技事件是阿法狗战胜围棋九段选手李世石,标志着人工智能算法达到了新的高度,同时也说明了人工智能未来发展的潜力,未来人工智能将会给工业服务业农业带来很大的影响。
传统的计算机主要应用:科学计算、传统的数据处理和自动化。都是使用计算机的一种能力:数值计算能力;人工智能是在计算机上模拟人的三种功能:模仿人类的思考,包括推理、决策和规划等等,属于人类的高级智能或叫逻辑思维能力。第二项是模仿感知,对环境的感知包括视觉、听觉,触觉等。第三项是模仿动作,包括人类的手、脚和其他动物或机构的动作的模仿又叫机器人。
人机大战
面对科技我们不能逃避,要勇敢的面对、去接纳新的科技。我们需要了解到底什么是人工智能?什么是机器学习?什么是深度学习?
智能机器人
人工智能
人工智能的范围可以说很大、很泛,从表面上可以理解为机器的智能化,让机器像人一样能解决思考解决问题。其实人工智能核心技术包括很多的方面:推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。可以说机器学习和深度学习都是人工智能这个大主题下的一部分吧。简而言之,机器学习和深度学习是人工智能的两个关键的技,看人工智能的发展历史,人工智能三大研究内容:计算机模仿人类的思考,对环境的感知和动作的实现是人工智能的三大研究内容。
人工智能发展历史
机器学习
机器学习是一个非常接近AI的领域,其动机在于建立、模拟人脑进行分析学习的神经网络。其之所以现在这么火,是因为在大数据的环境下,人们对算法和人脑结构的模拟,让机器从数据和知识中学习到有用的知识,如语音识别、图像识别等都是机器学习的结果。如美图秀秀是很多女孩子的最爱,其核心的算法就是在卷积BP神经网络来实现的。
神经网络结构
什么是神经网络
神经网络就是模拟人脑的神经元结构,在计算机中实现对神经网的连接,现在对于人来说神经网络就像是一个黑箱子,人们还无法从连接权值中提取知识。神经网络的学习分为"有监督学习"和"无监督学习"两个部分。有监督的学习就是有输入数据和输出数据,无监督学习就是只有输入数据,让网络自己分类或者学习其规律。
深度学习
深度学习仅仅实现神经网络的层面上提到的网络的层数更多,网络的神经元个数更多的网络,就是能从深层次的挖掘数据知识。
- 云中的机器学习:FPGA上的深度神经网络(06-04)
- 斯坦福机器学习公开课笔记13A——混合高斯模型、混合贝叶斯模型(04-19)
- 斯坦福机器学习公开课笔记12—K-Means、混合高斯分布、EM算法(04-14)
- 斯坦福机器学习公开课笔记10--VC维、模型选择、特征选择(04-05)
- 斯坦福机器学习公开课笔记9--偏差/方差、经验风险最小化、联合界、一致收敛(03-31)
- 斯坦福机器学习公开课笔记7-NB多项式模型、神经网络、SVM初步(03-24)