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