人工(gōng)智能開(kāi)發簡介

人工(gōng)智能是所有機器模仿人類認知(zhī)能力的研究的超級集合。

例如：環境交互、知(zhī)識表達、感知(zhī)、學習、機器視覺、語言識别。

主要構成理論包括：計算機科學、統計學、數學。

機器學習

1. 機器學習是人工(gōng)智能的分(fēn)支；
2. 在計算機科學領域的應用使計算機無需顯示編程就能學習；
3. 機器學習由能夠基于數據進行學習和預測的算法組成：

• 這類算法在前面樣本基礎上進行訓練，以建構和估計模型；
• 在傳統編程不可行的情況下(xià)，通常采用機器學習；
• 如果經過适當的訓練，可以适應新的案例應用。

機器學習的應用領域

1．識别模式：

• 真實場景的對象
• 人臉/表情識别
• 語言識别

2. 識别異常：

• 欺詐性信用卡交易
• 核電(diàn)站傳感器讀數的異常模式

3. 預測

• 未來股票(piào)價格
• 精準廣告推送

機器學習的一(yī)些方法：決策樹(shù)、聚類、基于規則的學習、歸納邏輯編程、深度學習。

深度學習是利用神經網絡進行的學習。

• 靈感來自生(shēng)物(wù)神經網絡
• 深度是指有很多中(zhōng)間的學習步驟
• 需要大(dà)量數據

深度學習的優勢：

• 數據模式和關系的自主學習
• 高準确度
• 容易
• 改進和微調
• 适應性解決方案

深度學習的劣勢：

• 大(dà)量數據集
• 高計算需求
• 難以理論解釋
• 黑盒子（對大(dà)多數人）

卷積深度神經網絡在許多任務上都優于以前的方法

什麽是神經網絡？

• 也稱爲人工(gōng)神經網絡
• 靈感來自生(shēng)物(wù)神經系統
• 生(shēng)物(wù)神經元有三個主要組成部分(fēn)：樹(shù)突、細胞體(tǐ)、突觸

人工(gōng)神經元

神經網絡有三個層次：

• 輸入層：可以從其他神經元或特征輸入，例如年齡、身高、體(tǐ)重等；
• 隐藏層：向網絡中(zhōng)添加更多的神經元，真正的力量就在這裏；
• 輸出層：給出我(wǒ)們想要預測的輸出。

激活函數

神經網絡訓練

• 在監督學習中(zhōng)，我(wǒ)們有一(yī)個相對較大(dà)的數據集；
• 将所有樣本作爲輸入，以獲得輸出，成爲前饋傳播；
• 開(kāi)始時，可以根據應用程序場景随機或預定義權重；
• 将預測結果與真實結果比較；
• 任務目标是通過減少error使預測結果更加接近于真實的輸出