- TensorFlow程序設計
- 馬斌 馮嶺主編
- 772字
- 2024-10-16 18:00:01
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
- Android Wearable Programming
- 軟件安全技術
- 造個小程序:與微信一起干件正經(jīng)事兒
- Windows Presentation Foundation Development Cookbook
- Learning AndEngine
- Mastering Linux Network Administration
- Working with Odoo
- 輕松上手2D游戲開發(fā):Unity入門
- R語言:邁向大數(shù)據(jù)之路(加強版)
- ASP.NET求職寶典
- Hands-On Robotics Programming with C++
- AMP:Building Accelerated Mobile Pages
- 少兒編程輕松學(全2冊)
- Go Systems Programming
- 軟硬件綜合系統(tǒng)軟件需求建模及可靠性綜合試驗、分析、評價技術