人工智能学习

参考文献：http://www.cqvip.com/main/viewer.aspx?id=7001728180&type=2&sign=186c49d6920233df32baa68e884b66bc&view=1本文对人工智能的分类和应用进行简单描述，便于初学者对人工智能有一定的认识，亦是对自己学习的总结。

人工智能的分类及应用

1、计算机视觉

应用领域：监控、视频搜索信息、无人驾驶

1. 图像分类    传统方法：特征提取、训练分类器  现主流方法：深度学习;
2. 目标跟踪  相关滤波算法、检测与跟踪相结合的算法、基于深度学习的算法
3. 语义分割  识别像素表示的物体

2、机器学习

应用领域：个性化定制、游戏、智能制造

1. 监督学习：
   用打好标签的数据训练预测新数据的类型或值。
2. 无监督学习：
   将数据根据不同的特征在没有标签的情况下进行分类。
3. 半监督学习：监督学习和无监督学习的混合使用。
4. 强化学习：通过与环境的交互获得奖励,并通过奖励的高低来判断动作的好坏进而训练模型的方法。在游戏领域应用广泛。

3、自然语言处理

应用领域：文档分类、机器翻译、邮件分类

自然语言处理是计算机拥有识别理解人类文本语言的能力,是计算机科学与人类语言学的交叉学科。分为语法语义分析、信息抽取、文本挖掘、信息检索、机器翻译、问答系统和对话系统7个方向。

4、语音识别

应用领域：智能家居、微信语音转文本

语音识别是将人类的语音输入转换为一种机器可以理解的语言,或者转换为自然语言的一种过程。

关键技术主要集中在噪声处理、鲁棒性和语音模型上。