官术网_书友最值得收藏!

1.1.2 人工智能、機器學習和深度學習之間的關系

人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學,人工智能的核心是機器學習。在維基百科中,機器學習有以下幾種定義。

■ 機器學習是一門人工智能的科學,該領域的主要研究對象是人工智能,特別是如何在經(jīng)驗學習中改善具體算法的性能。

■ 機器學習是對能通過經(jīng)驗自動改進的計算機算法的研究。

■ 機器學習指用數(shù)據(jù)或以往的經(jīng)驗來優(yōu)化計算機程序的性能。

機器學習一般可以分為監(jiān)督學習、無監(jiān)督學習、強化學習三類,其常見算法包括決策樹、樸素貝葉斯、支持向量機、隨機森林、神經(jīng)網(wǎng)絡和 Boosting。機器學習是使計算機具有智能的根本途徑,其應用遍及人工智能的各個領域。

深度學習是機器學習領域一個新的研究方向,是一種實現(xiàn)機器學習的技術。深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究,是利用深度神經(jīng)網(wǎng)絡來解決特征表達的一種學習過程。深度學習的概念與淺層學習相對。傳統(tǒng)的機器學習方法一般采用淺層結構的算法,存在一定的局限性,如表示復雜函數(shù)的能力有限,對復雜問題求解時的泛化能力受到一定的制約。而深度學習可通過學習一種深層非線性網(wǎng)絡結構來實現(xiàn)復雜函數(shù)逼近,表征輸入數(shù)據(jù)的分布式表示,學習數(shù)據(jù)集的本質(zhì)特征。

深度神經(jīng)網(wǎng)絡本身并非一個全新的概念,可理解為包含多個隱藏層的神經(jīng)網(wǎng)絡結構。由于深度學習模型中包含更多的隱藏層,模型中神經(jīng)元連接權重、閾值等參數(shù)也更多,深度學習模型可以通過組合底層特征形成更加抽象的高層來表示數(shù)據(jù)的屬性類別和特征,更好地實現(xiàn)數(shù)據(jù)的分布式特征表示,從而獲得更好的模型訓練效果。

綜上所述,人工智能的核心是機器學習,而深度學習則是機器學習中一個新的研究方向,三者之間的關系如圖1-1所示。深度學習與傳統(tǒng)機器學習相比,采用了更為復雜的深度神經(jīng)網(wǎng)絡,是機器學習領域的一個分支。

圖1-1 人工智能、機器學習與深度學習之間的關系

主站蜘蛛池模板: 平陆县| 贵阳市| 合肥市| 雅安市| 清丰县| 衢州市| 辽源市| 藁城市| 区。| 平乐县| 海兴县| 隆子县| 临朐县| 屯门区| 全椒县| 永州市| 新乐市| 桐城市| 昌宁县| 赣榆县| 崇州市| 沙湾县| 东乌珠穆沁旗| 诏安县| 界首市| 舞钢市| 谷城县| 彭州市| 台江县| 康马县| 阿合奇县| 秦皇岛市| 林西县| 涞源县| 壶关县| 耿马| 瓦房店市| 新巴尔虎右旗| 界首市| 丹寨县| 邵阳县|