認識人工智能關鍵技術：機器學習
1.機器學習：
(1) 機器學習
從軟件編寫的角度，就是編寫了能從示例中學習如何解決問題的程序
(2) 涉及學科
統計學，系統辨識，逼近理論，神經網絡，優化理論，計算機科學，腦科學
(3) 研究內容
研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
(4) 綜合闡述
基於數據的機器學習是現代智能技術的重要方法之一。從觀測數據出發尋找規律，以對未來數據或無法觀測的數據進行預測。
(5) 機器學習分類
1)根據學習方法進行分類： 傳統機器學習 和 深度學習
2)根據學習模式進行分類： 監督學習，無監督學習和強化學習
3)根據算法特點進行分類： 遷移學習，主動學習和演化學習
(6)傳統機器學習簡介
1) 原理：
從一些觀測樣本出發，試圖發現不能通過原理分析獲得的規律，實現對未來數據行為或趨勢的準確預測。實現了學習結果的有效性和學習模型的可解釋性，為解決有限樣本的學習問題提供了一種框架。
2) 主要應用領域
模式分類 ， 迴歸分析 和 概率密度統計。
3) 基礎學科： 統計學
4)適用方向：
自然語言處理，語音識別， 圖像識別，信息檢索 和生物信息。
(7) 深度學習簡介
1)建立深層結構模型的學習方法
2)誕生的諸多神經網絡模型：
a. 卷積神經網絡 ： 常用於空間性分佈數據
b. 循環神經網絡： 常用於時間性分佈數據
(8)傳統機器學習和深度學習的區別與聯繫
深度學習是在傳統機器學習上的發展。在傳統機器學習中，需要人為機器定義識別特徵模型。而深度學習中，則是由機器自己尋找某類事物的特徵並構建識別特徵模型。
分享到:
閱讀更多 一隻孜孜不倦的蝸牛 的文章
