人工智Z常用名词解释

1. 名词解释

KNN k近邻算法 ：直接求解点和线的距离，判断
CNN 卷积神经网络 ：卷积核–一个正方形二维数组
RNN 循环神经网络：带有反馈，类比于反馈放大电路

概率论的分类方法
朴素贝叶斯 两种实现模型

1. 贝努利模型
2. 多项式模型

logistic回归
梯度下降—一步一步向最优解移动（运行）

支持向量机（Support Vector Machines ,SVM）
支持向量 ： 离开分隔超平面最近的那些点。寻找点与点之间的最大间隔。

向量机–>联想到FPGA的状态机,不知差异如何。
直接下载 LIBSVM使用？
下载链接：https://www.csie.ntu.edu.tw/~cjlin/

序列最小优化（Sequential Minimal Optimization ，SMO）
介绍如何使用 核函数（kernel）的方式将SVM 扩展到更多的数据集，验证手写识别的列子。

屌诡名称解释，再描述

超参数：将求得的结果乘一个系数，称为权重系数更为恰当
张量：存放数据的空间：对二维，三维，乃至更高维度的数组，可以直接解释为数组
卷积核：一个最小的卷积单位，一般为一个正方形的二维数组，作为参考来拟合图片上的数据是否正确。描述为参考数据
激活函数：

2 数学公式

2.1 积分

可以理解为对一定范围内的数值进行累加，求和，得到其中的数据。
可以理解为，将二维数据一维化切片，进行求和的一个过程。传说中的降维打击是也。

2.2 导数

导数就是求斜率 k ，计算在单位空间下变化的大小 （速度，加速度类似概念）
在此使用在反传播中，从输出往输入计算整个公式中的数据。就相当于是对结果进行求导，计算得到其中参数。

2.3 数组的加减乘除

因为写for循环的方式进行依次的计算速度太过缓慢，所以想了一个使用数组 的方式进行计算求和。
计算中使用的公式可以理解为固定的一些公式，如果不需要一些参数直接写成0，即可抵消。
PS: 程序中假设是一个

3 激活函数

激活函数一定需要非线性函数激活。

3.1 tanh,sigmoid两个激活函数

激活函数一般使用tanh,sigmoid一般作为最后的输出使用。

sigmoid :这个函数作为激活函数，一般作为最后一个输出上使用，范围是0~1 之间
tanh ：一般作为内部的激活函数 范围是-1 ~1 之间

PS :缺点，如果输入特别大，或者特别小则无法准确区分。

3.2 修正线性单元（Rectified liner unit ReLU）

默认使用ReLU，作为激活函数。

4.算法收集

4.1 基础算法

4.2 图像识别算法

yolo:you only look once
版本：V1 ~~V5
针对小设备上的算法： YoloV3-Tiny YoloV4-Tiny

项目	YoloV3-Tiny	YoloV4-Tiny	NXP
ROM	8692KB	5886KB	263KB
RAM	983KB	589KB	368KB
Time	4442ms	5531ms	185ms

NXP参考了MobileNetV2的轻量性。Relu作为激活函数，全8位整型量化。NXP微控制器i.MX RT1170（ARM Cortex-M7，1GHz）

一些想法

物体识别总体实现流程
区分区域，区分形状，识别材料，形状识别，形状联想，功能联想

区分区域：通过对比度，边缘检测，颜色即选区等区分
区分形状：对选区有一个简单的形状判断
形状联想：通过现有形状，联想到与之配套的形状（如果检测到眼睛，联想到脑壳，联想到嘴，以及人体等），需要补充被遮挡的形状，
识别材料：不同的材料有不同的纹理，通过纹理区分
识别形状：通过识别到的形状去拟合可能的物体形状。
功能联想：有一个长方形下面两个圆的，可以联想到是不是车，是不是运石块，等，需要附带简单的运动仿真，预测

算法需要是自动分类，无监督学习？？只是需要在算法中给一个概念，或者实现的方式，机器可以使用一两个图片实现类型的区分。自动去基于概念区分出现有，或者未知的概。

计算的层由机器根据规则，以及训练自动生成，添加有效参数，自动删减无效网络单元。

人的基本概念，需要能被机器继承，对形状的理解，或者其他？
手动添加规则，计算机可以学习
PCB自动布线举例

1. 线和线之间需要间隔1倍线宽，走线自动间隔1倍线宽
2. 部分线需要走等长，则自动统计等长。
3. 线需要立体包地，则优化包地的情况。