一、机器学习
引言:人工智能分为弱人工智能和强人工智能,而目前的科研基本都是利用机器学习来实现弱人工智能
传统算法:决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等。
按照学习方法分类: 监督学习(分类/回归)—半监督学习—无监督学习(聚类)—集成学习—深度学习—强化学习
监督学习中的数据有标注、无监督学习的数据没有标注,强化学习中有反馈评估,但数据没有标注。
机器学习和强化学习、深度学习之间的关系图:
(一)深度学习
引言:深度学习是包含多个隐藏层的神经网络结构,利用深度神经网络(DNN)来解决特征表达的一种学习过程
深度学习演化处的网络拓扑结构方法如下图所示:
(二)强化学习(再励学习/评价学习)
参考原作者的链接
引言:强化学习是智能体自主探索环境,采取行为作用于环境并从环境中获得回报的过程。
强化学习详解!!!!
1.具体解释:智能体agent与环境environment进行交互,