人工智能深度学习与神经网络

前言

深度学习

• 深度学习（Deep Learning）是机器学习（Machine Learning）领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能
• 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助，它的最终目标是让机器能够相认一样具有分析学习能力，能有识别文字，图像和声音等数据。深度学习使一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术
• 深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐，个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模范视听和思考等人类活动，解决了很多复杂的模式识别难题，使得人工智能技术取得了很大的进步

神经网络

• DNN
  • 深度神经网络（多层）
• CNN
  • 积卷神经网络（解决图像）
    • 
    • 28*28   >   14*14   >   7*7  >   1*1   
• RNN
  • 递归神经网络
  • 避免丢失
• GAN
  • 生成对抗网络
    • 生成判别

单个神经元

逻辑与

（0,0）、(0,1)、(1,0)  ——>(1,1)

逻辑或

（1,1)、(0,1)、(1,0) ——>（0,0）

非线性可分

解决办法：多线或曲线

机器学习流程