一、人工智能基础

最新推荐文章于 2024-08-23 20:50:20 发布

coder_jyz

最新推荐文章于 2024-08-23 20:50:20 发布

阅读量1.5k

点赞数

分类专栏：深度学习文章标签：神经网络人工智能深度学习

本文链接：https://blog.csdn.net/coder_jyz/article/details/119749953

版权

本文概述了人工智能的三次发展浪潮，强调了深度学习的重要性，特别是TensorFlow在其中的角色。讨论了深度学习的主要应用，如计算机视觉和自然语言处理，并介绍了TensorFlow的三大核心功能：加速计算、自动梯度和神经网络接口。同时，提到了CUDA的安装流程作为GPU加速的基础。

摘要由CSDN通过智能技术生成

一、人工智能基础

内容参考来自https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book开源书籍《TensorFlow2深度学习》，这只是我做的简单的学习笔记，方便以后复习。

1.人工智能的三起三落

第一次兴盛期：1958 年，美国心理学家 Frank Rosenblatt 提出了第一个可以自动学习权重的神经元模型，一般认为 1943 年~1969 年为人工智能发展的第一次兴盛期。

第一次寒冬：1969 年，美国科学家 Marvin Minsky 等人在出版的《Perceptrons》一书中指出了感知机等线性模型的主要缺陷，即无法处理简单的异或 XOR 等线性不可分问题。这直接导致了以感知机为代表的神经网络的相关研究进入了低谷期，一般认为 1969 年~1982 年为人工智能发展的第一次寒冬。

第二次兴盛期：1982 年，随着 John Hopfild 的循环连接的 Hopfield 网络的提出，开启了 1982 年~1995年的第二次人工智能复兴的大潮，这段期间相继提出了卷积神经网络、循环神经网络、反向传播算法等算法模型。1997 年，现在应用最为广泛的循环神经网络变种之一 LSTM 被 Jürgen Schmidhuber 提出；同年双向循环神经网络也被提出。

第二次寒冬：遗憾的是，神经网络的研究随着以支持向量机(Support Vector Machine，简称 SVM)为代表的传统机器学习算法兴起而逐渐进入低谷，称为人工智能的第二次寒冬。

第三次兴盛期：2006 年，Geoffrey Hinton 等人发现通过逐层预训练的方式可以较好地训练多层神经网络&#x