认识:人工智能AI 机器学习 ML 深度学习DL
人工智能
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
人工智能的定义可以分为两部分,即“人工”和“智能”。
机器学习
1. 什么是机器学习
根据等人事件中判断人是否迟到了解什么是机器学习,具体参见地址:http://www.cnblogs.com/hellochennan/p/5423740.html
机器学习方法是计算机利用已有的数据(经验),得出了某种模型(迟到的规律),并利用此模型预测未来(是否迟到)的一种方法。
机器学习与人类思考的经验过程是类似的,不过它能考虑更多的情况,执行更加复杂的计算。事实上,机器学习的一个主要目的就是把人类思考归纳经验的过程转化为计算机通过对数据的处理计算得出模型的过程。经过计算机得出的模型能够以近似于人的方式解决很多灵活复杂的问题。
2.机器学习定义
从广义上来说,机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说,机器学习是一种通过利用数据,训练出模型,然后使用模型预测的一种方法。
机器学习的过程与人类对历史经验归纳的过程做个比对。
3.机器学习的范围
其实,机器学习跟模式识别,统计学习,数据挖掘,计算机视觉,语音识别,自然语言处理等领域有着很深的联系。
从范围上来说,机器学习跟模式识别,统计学习,数据挖掘是类似的,同时,机器学习与其他领域的处理技术的结合,形成了计算机视觉、语音识别、自然语言处理等交叉学科。因此,一般说数据挖掘时,可以等同于说机器学习。同时,我们平常所说的机器学习应用,应该是通用的,不仅仅局限在结构化数据,还有图像,音频等应用。
1.模式识别=机器学习。两者的主要区别在于前者是从工业界发展起来的概念,后者则主要源自计算机学科。
2.数据挖掘=机器学习+数据库。
3.统计学习近似等于机器学习。统计学习是个与机器学习高度重叠的学科。因为机器学习中的大多数方法来自统计学,甚至可以认为,统计学的发展促进机器学习的繁荣昌盛。
4.计算机视觉=图像处理+机器学习。图像处理技术用于将图像处理为适合进入机器学习模型中的输入,机器学习则负责从图像中识别出相关的模式。
5.语音识别=语音处理+机器学习。语音识别就是音频处理技术与机器学习的结合。
6.自然语言处理=文本处理+机器学习。自然语言处理技术主要是让机器理解人类的语言的一门领域。在自然语言处理技术中,大量使用了编译原理相关的技术,例如词法分析,语法分析等等,除此之外,在理解这个层面,则使用了语义理解,机器学习等技术。
4.机器学习方法
其主要的有:1.监督学习算法:线性回归、逻辑回归、神经网络、SVM;
2.无监督学习算法:聚类算法、降维算法;
3.特殊算法:推荐算法(既不属于监督学习,也不属于无监督学习)。
下面就神经网络和SVM进行对比:
SVM是最优秀、准确而健壮的算法之一,维度不敏感,可处理线性可分和线性不可分数据。分为SVC和SVR。
优势:分类性能好、稳定性高、算法更新快。
一般选择RBF作为核函数。
SVM分类决策中起决定作用的是支持向量。
关键优化参数:
C:惩罚系数,值越高,惩罚程度越大,误差容忍力越差。
Gamma:影响每个支持向量对应的高斯的作用范围,值越大,泛化性能越差。
限制:
计算的复杂性取决于支持向量的数目,大规模训练样本难以实现。
用SVM解决多分类问题存在困难。
神经网络是进行分布式并行信息处理的算法模型,依靠系统的复杂程度,通过调整内部大量节点之间相互相互连接的关系,达到处理信息的目的。
使用范围:只能预测二项式数据,数值型数据。
过程:复杂,输入层->隐藏层->输出层
参数:训练周期、学习速率、动量、衰减。
二者对比:二者都是“二标签”分类任务
神经网络:“黑匣子”,基于经验风险最小化,易陷入局部最优,适合大样本。
SVM:理论基础扎实,基于结构风险最小化,泛化能力较好,具有全局最优性,适合小样本。
4.机器学习、深度学习、人工智能三者关系
人工智能是机器学习的父类。深度学习则是机器学习的子类。如果把三者的关系用图来表明的话,则是下图:
转载于:https://www.cnblogs.com/ggYYa/p/6688728.html
认识:人工智能AI 机器学习 ML 深度学习DL相关推荐
- 人工智能、机器学习、深度学习和神经网络的区别
人工智能 背景:人工智能最初可以追溯至1956年,当时多名计算机科学家在达特茅斯会议上共同提出了人工智能的概念.在随后几十年中,人工智能一方面被认为是人类文明未来的发展方向,另一方面也被认为是难以企及 ...
- 人工智能、机器学习与深度学习的区别与联系
你是否也有这样的疑惑,人工智能.机器学习.深度学习以及监督学习等名词之间到底有什么样的联系与区别,以及它们的应用场景呢.下面就通过概念.区别和联系以及应用场景三个方面来具体的分析下他们. 一.概念 1 ...
- 人工智能、机器学习、深度学习之间的关系
人工智能.机器学习.深度学习之间的关系 一.人工智能 二.机器学习 三.深度学习 三者之间的关系 参考资料 一.人工智能 人工智能(Artificial Intelligence),英文缩写为AI.它 ...
- 人工智能、机器学习、深度学习的区别
人工智能.机器学习和深度学习是最近几年比较火热的概念,它们看起来比较相似,但是仿佛又存在某些差异.这篇文章,咱们就来科普一下三者之间的区别和联系. 为了让读者有一个整体上的认知,咱们先来看一张图. 可 ...
- 人工智能,机器学习与深度学习,到底是什么关系
一.人工智能 人工智能(Artificial Intelligence),英文缩写为AI.它是研究.开发用于模拟.延伸和扩展人的智能的理论.方法.技术及应用系统的一门新的技术科学. 人工智能是计算机科 ...
- 人工智能、机器学习、深度学习、神经网络
在经历了蛮荒的PC互联网时代,混战的移动互联网时代,到现今最火的人工智能时代.大数据.云计算.机器学习的技术应用,已经使得IT从业者的门槛越来越高.套用一句樊登读书会的宣传口号"keep l ...
- 看懂人工智能、机器学习、深度学习与神经网络之间的区别与关系
刚刚接触人工智能的内容时,经常性的会看到人工智能,机器学习,深度学习还有神经网络的不同的术语,一个个都很高冷,以致于傻傻分不清到底它们之间是什么样的关系,很多时候都认为是一个东西的不同表达而已,看了一 ...
- 人工智能、机器学习和深度学习之间,主要有什么关系?
如果你在科技领域,你经常会听到人工智能,机器学习,甚至是深度学习.怎样才可以在正确的时间正确的使用这些词?他们都是一样的意思吗?然而更多时候,人们总是混淆的使用它们. 人工智能,机器学习和深度学习都是 ...
- 人工智能,机器学习,深度学习,神经网络,四者的含义和关系
人工智能,机器学习,深度学习,神经网络,四者的含义和关系 人工智能 机器学习 深度学习 神经网络 四者的关系 在很多关于人工智能的书中都提到了这些词:人工智能,机器学习,深度学习,神经网络. 为了弄懂 ...
最新文章
- SharePoint 列表应用实例 - 显示约束
- 解决Win8下使用net use命令磁盘映射无效的问题
- ASP.net:Regex.Match 方法 中应该注意的几个问题
- 电脑小常识----文件名长度过长解决办法
- 山西上党残疾男子“只”手脱贫 带领村民增收
- 快速构建网站或移动端页面:关于Bootstrap的学习笔记
- 基于图神经网络的图表示学习方法
- Java中利用package机制实现条件编译
- w ndows7如何清理垃圾,windows7系统下在关机时如何自动清理垃圾文件
- 【遥感图像处理软件】ArcGIS Pro 使用总结
- 关于大学生睡眠时间及质量的问卷调查
- word标题在大纲视图下统一升降级
- 基于安卓的视频遥控小车
- 设备管理器中英特尔智音技术有黄色感叹号解决办法
- SAP FICO 关于资产的详细解析
- PCB设计布局布线,这几点技巧必须要了解!
- asp.net页面间数据传递方法总结篇
- 空调器制冷系统故障-冷凝器脏堵
- 芯片STC89C52 (宏晶STC)
- 明星为海地捐款 呼吁救援总动员
热门文章
- 入门机器学习(一)--单变量线性回归
- php伪静态不支持中文,Discuz开启伪静态导致中文会员使用手机无法访问的解决方法...
- HTTP CORS(HTTP-同源策略)
- 计算机网络带宽是什么意思,网络带宽是怎么计算的?
- python_魔法方法(二):算术运算
- No.3 - CSS transition 和 CSS transform 配合制作动画
- pip软件包安装 + Anaconda软件库安装 教程
- 如何用jQuery获得select的值
- 20170505思考点--编写案例时是以功能为主还是业务为主要
- 站内搜索——Lucene +盘古分词