深度学习、机器学习、人工智能的区别

深度学习、机器学习、人工智能的区别1.机器学习 是 人工智能 的一个分支主要研究如何使机器在不必额外编程的情况下，学会执行特定任务机器学习 的核心思想在于可以通过创建算法让机器通过数据进行学习并预测数据2.机器学习 有 3 个大的分类 第 1 种是监督学习，机器通过己知的输入和对应的预期输出进行样本训练，以对全新的未知数据进行有意义的预测 第 2 种是无监督学习，机器只能通过输入的数据，在没有外界监督的情况下自己发现有意义的结构第 3 种是强化学习，机器作为同环境进行交互的代理，学习哪些行为能获得奖赏。3.深度学习 是利用 人工神经网络 进行 机器学习 的方法论里的一个特定子集人工神经网络 的灵感来自于人类大脑神经元的结构深度学习对机器学习来说是一次真正的海啸。它虽然只有相对较少的巧妙的方法，却被成功地应用到非常多的不同的领域（图像、文本、视频、 语音和视觉），显著改进了过去几十年的技术发展水平。深度学习 的成功还因为现在有了更多的可用于训练的数据（如来自 ImageNet 的图像〉，以及可用于高效数值计算的相对低廉、可用的 GPU 。

本书涵盖的内容
第 1 章，神经网络基础，讲述神经网络的基础知识。
第 2 章， Keras 安装和 API 展示如何在 AWS、Microsoft Azure、Google Cloud ，以及你自己的 器上安装 Keras 并提供对 Keras API 概览。
第 3 章，深度学习之卷积网络，介绍卷积网络的概念。这是深度学习的一个重要创新，最初的构想是为了图像处理，但现在在文本、视频和语音等多领域都有成功的应用
第 4 章，生成对抗网络和 WaveNet ，介绍了利用生成对抗网络来合成如同人类自己产生的数据。我们还会介绍 WaveNet ，这是一个可用于生成高质量人类语音以及乐器音的深度神经网络。
第 5 章，词嵌入，讨论词向量相关的一套深度学习方法，用于检测词汇和相似语义词汇组的关系。
第 6 章，循环神经网络 RNN，讲述循环神经网络的技术和应用 ，这是一类优化过的用于处理文本等序列化数据的网络
第 7 章，其他深度学习模型，简要介绍 Keras API 、回归网络，以及自动编码机等。
第 8 章，游戏中的 AI ，教你如何进行深度强化学习，以及如何用 Keras 建基于奖赏反馈的街机游戏玩儿法的深度学习网络。
第 9 章，结束语，快速回顾本书内容 并向用户介绍 Keras 2.0 的新特性。为了让您流畅地阅读各个章节，你需要准备以下软件：TensorFlow 1.0.0 者更高版本Keras 2.0.2 或者更高版本Matplotlib 1.5.3 者更高版本 Scikit-leam 0.18.1 或者更高版本 NumPy 1.12.1 者更高版本。推荐硬件清单如下：32 位或 64 位架构；2GHz 以上 CPU;4GB RAM; 至少 lOGB 硬盘空间。

感知机

from keras.models import Sequential
from keras.layers.core import Dense
model = Sequential()
# 包含 12 个人工神经元的单层网络，有 8 个输入变量(也称为特征)
model.add(Dense(12, input_dim = 8, kernel_initializer ='random_uniform'))

e含义是单位时间内，持续的翻倍增长所能达到的极限值

https://www.guokr.com/article/50264/
1.e是自然对数的底数，自然对数是以e为底的对数函数，e是一个无理数，约等于2.718281828。
2.e就是增长的极限。当增长率为100%保持不变时，在单位时间内细胞种群最多只能扩大2.71828倍。 数学家把这个数就称为e，它的含义是单位时间内，持续的翻倍增长所能达到的极限值 。

神经网络的平滑激活函数

神经网络的平滑激活函数 sigmoid

Sigmoid函数(S型生长曲线)Sigmoid函数是一个在生物学中常见的S型函数，也称为S型生长曲线.在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的阈值函数，将变量映射到0,1之间。用途：用作神经网络的阈值函数

神经网络的平滑激活函数 ReLU

手写数字识别

Keras深度学习实战（王海玲）相关推荐

Keras深度学习实战（4）——深度学习中常用激活函数和损失函数详解
Keras深度学习实战(4)--深度学习中常用激活函数和损失函数详解常用激活函数 Sigmoid 激活函数 Tanh 激活函数 ReLU 激活函数线性激活函数 Softmax 激活函数损失函数 ...
Keras深度学习实战（3）——神经网络性能优化技术详解
Keras深度学习实战(3)--神经网络性能优化技术详解 0. 前言 1. 缩放输入数据集 1.1 数据集缩放的合理性解释 1.2 使用缩放后的数据集训练模型 2. 输入值分布对模型性能的影响 3. ...
Keras深度学习实战（2）——使用Keras构建神经网络
Keras深度学习实战(2)--使用Keras构建神经网络 0 前言 1. Keras 简介与安装 2. Keras 构建神经网络初体验 3. 训练香草神经网络 3.1 香草神经网络与 MNIST 数 ...
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
Keras深度学习实战(1)--神经网络基础与模型训练过程详解 0. 前言 1. 神经网络基础 1.1 简单神经网络的架构 1.2 神经网络的训练 1.3 神经网络的应用 2. 从零开始构建前向传播 ...
Keras深度学习实战（37）——手写文字识别
Keras深度学习实战(37)--手写文字识别 0. 前言 1. 手写文字识别相关背景 1.1 Connectionist temporal classification (CTC) 1.2 解码 C ...
Keras深度学习实战（39）——音乐音频分类
Keras深度学习实战(39)--音乐音频分类 0. 前言 1. 数据集与模型分析 1.1 数据集分析 1.2 模型分析 2. 歌曲流派分类模型 2.1 数据加载与预处理 2.2 模型构建与训练 3. ...
Keras深度学习实战——信用预测
Keras深度学习实战--信用预测 0. 前言 1. 任务与模型分析 1.1 数据集 1.2 信用预测任务分析 1.3 神经网络模型分析 2. 使用神经网络实现信用预测 3. 改进模型 3.1 为类别 ...
Keras深度学习实战（35）——构建机器翻译模型
Keras深度学习实战(35)--构建机器翻译模型 0. 前言 1. 模型与数据集分析 1.1 模型分析 1.2 数据集分析 2. 实现机器翻译模型 2.1 预处理数据 2.2 传统多对多架构 2.3 ...
Keras深度学习实战（11）——可视化神经网络中间层输出
Keras深度学习实战(11)--可视化神经网络中间层输出 0. 前言 1. 可视化神经网络中间层输出 2. 利用 Keras 可视化神经网络中间层输出 2.1 数据加载 2.2 可视化第一个卷积层的 ...
Keras深度学习实战——使用深度Q学习进行SpaceInvaders游戏
Keras深度学习实战--使用深度Q学习进行SpaceInvaders游戏 0. 前言 1. 问题与模型分析 2. 使用深度 Q 学习进行 SpaceInvaders 游戏相关链接 0. 前言在& ...

Keras深度学习实战（王海玲）

深度学习、机器学习、人工智能的区别

感知机

e含义是单位时间内，持续的翻倍增长所能达到的极限值

神经网络的平滑激活函数

神经网络的平滑激活函数 sigmoid

神经网络的平滑激活函数 ReLU

手写数字识别

Keras深度学习实战（王海玲）相关推荐

最新文章

热门文章