人工智能_01

文章探讨了人工智能的不同实现方法,包括符号学习和主流的机器学习,特别是深度学习。机器学习通过数据驱动自我优化,广泛应用于如人脸识别、自然语言处理等领域。此外,提到了监督学习、无监督学习、半监督学习和强化学习等不同类型的机器学习,并举例说明各自的应用场景。
摘要由CSDN通过智能技术生成
人工智能

亦称机器智能,指由人制造出来的机器表现出来的智能。人工智能的核心问题包括构建能够和人类相似甚至超越的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械等的能力。就其本质而言,是机器对人的思维或者行为过程的模拟,让它能够像人类一样思考或行动。

人工智能实现方法
符号学习:

基于逻辑与规则的学习方法,其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。

例:专家系统。根据既定的逻辑和顺序告诉机器接下来做什么,遵循if…then…原则。

缺点:不能根据新场景动态地优化认知(不能自动升级模型)

机器学习:(实现人工智能的主流方法)

从数据中寻找规律、建立关系,根据建立的关系去解决问题的方法。

优点:从数据中学习并且实现自我优化与升级,数据驱动。

应用场景:数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人、DNA测序等…

机器学习是一种实现人工智能的方法,深度学习是一种实现机器学习的技术。
人工智能>机器学习>深度学习
常用工具包

matplotlib:绘图

pandas:数据导入、导出、索引

Numpy:数组运算

机器学习的基本框架

将训练数据喂给计算机,计算机自动求解数据关系,在新的数据上做出预测或给出建议。

机器学习分类
监督学习(Supervised Learning)

训练数据包括正确结果(标签-Label)

人脸识别、语言翻译、医学诊断…

  • 线性回归
  • 逻辑回归
  • 决策树
  • 神经网络、卷积神经网络
  • 循环神经网络
无监督学习(Unsupervised Learning)

训练数据不包括正确结果

新闻聚类…

  • 聚类算法
半监督学习(Semi-supervised Learning)(混合学习)

训练数据包括少量正确结果

强化学习(Reinforcement Learning)

根据每次结果收获的奖惩进行学习,实现优化

AlphaGo…

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值