![](https://img-blog.csdnimg.cn/19aafe7435b14d8a9391aa518d272b0c.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 85
主要记录人工智能学习期间的相关知识
不去幼儿园
人工智能和嵌入式领域学习者,博士一年级在读,在CSDN上简单分享一下个人的学习笔记和经历,欢迎大家的关注。
展开
-
黑白棋 AI 算法
黑白棋 (Reversi),也叫苹果棋,翻转棋,是一个经典的策略性游戏。使用『蒙特卡洛树搜索算法』实现 miniAlphaGo for Reversi。 Python 语言。原创 2023-12-01 11:30:00 · 2398 阅读 · 0 评论 -
FGSM对抗攻击算法实现
在我们进入代码之前,让我们看一下著名的 FGSM熊猫示例和摘录一些符号。上图展示了Fast adversarial examples应用在深度网络上。通过加上一个人类感知不到的小向量,向量的值为ϵ乘输入像素点关于误差的梯度值的符号值。这里 ϵ=0.007,符合经过深度网络转换为实数后8bit图像编码的最小数量级。图中加上噪声后,熊猫被识别为长臂猿,并且置信度为99.3%,所以此方法叫做fast gradient sign method,简称FGSM,我们称之为快速梯度下降法。原创 2023-11-30 11:30:00 · 2919 阅读 · 2 评论 -
MNIST手写数字识别
掌握利用卷积神经网络CNN实现对MNIST手写数字的识别。一个简单的神经网络实验原创 2023-11-29 21:16:55 · 1158 阅读 · 0 评论 -
Transformer在小目标检测上的应用
小目标检测(Small Object Detection, SOD)作为通用目标检测的一个子领域,专注于对小尺寸目标的检测,在监控、无人机场景分析、行人检测、自动驾驶中的交通标志检测等各种场景中都具有重要的理论和现实意义。Transformer模型首次作为一种新颖的机器翻译技术被引入。该模型旨在超越传统的循环网络和CNN,通过引入一种完全基于注意力机制的新网络架构,从而消除了对循环和卷积的需求。目标检测,尤其是小目标检测(SOD),长期以来一直依赖于基于CNN的深度学习模型。原创 2023-10-02 20:50:47 · 929 阅读 · 0 评论 -
引人关注的领域 ---- 信号稀疏表示
信号稀疏表示的介绍数学变换会追求所谓稀疏表示(sparse representation),即如何通过最小数量的系数尽可能更多的描述信号的能量。不同类型的信号,其在不同变换下系数的分布会不同。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号,可以获得信号更为简洁的表示方式,从而使我们更容易地获取信号中所蕴含的信息,更方便进一步对信号进行加工处理,如压缩、编码等。信号稀疏表示方向的研究热点主要集中在稀疏分解算法、超完备原子字典、和稀疏表示的应用等方面。原创 2023-08-20 15:44:54 · 394 阅读 · 0 评论 -
人工智能分类算法优缺点比较
1决策树(Decision Trees)的优缺点2 人工神经网络的优缺点3 遗传算法的优缺点4 KNN算法(K-Nearest Neighbour) 的优缺点5 支持向量机(SVM)的优缺点6 朴素贝叶斯的优缺点7 Adaboosting方法的优点8 Rocchio的优点原创 2023-08-16 21:12:20 · 277 阅读 · 0 评论 -
面向未来的颠覆性技术创新
增强现实(Augmented Reality)增强现实(AR)指将计算机生成的图像(甚至声音)叠加在我们对现实世界的感知上。从技术角度来看,AR是一个巨大的挑战,因为用户可以利用它从多角度理解三维环境。实现AR的基础是虚拟投影与现实世界的集成。全息图(Holograms)全息图是以激光为光源,用全景照相机将被摄体记录在高分辨率的全息胶片上构成的图,以干涉条纹形式存在。原创 2023-08-13 09:08:16 · 218 阅读 · 0 评论 -
华为云AI领域:云原生时代,视觉预训练大模型探索与实践
随着企业数字化的转型,传统企业已基本上将业务从线下搬到了云上。第一个阶段是将企业的业务简单地部署到云上,称之为 ON CLOUD。现在的 ON CLOUD 进阶到 IN CLOUD 阶段,即基于云的技术架构来构建企业业务,通过构建多云、多中心的分布式架构以及敏捷、智能的企业数字化业务,将企业的数字化建设带入智能化新阶段。华为云对 AI 平台打造了四层体第一层是智能体;第二层是知识计算解决方案;第三层是 ModelArts Pro第四层是 ModelArts Fundamental原创 2023-08-08 11:30:00 · 159 阅读 · 0 评论 -
图神经网络(GNN)
图不但包含数据,也包含数据之间的依赖关系,因而图神经网络(GNN)在自然语言处理(NLP)方面的表现有着非常大的潜力。图神经网络(GNN)最擅长处理和建模图结构数据。GNN的工作原理简单概况就是,聚合节点的邻居节点/边的信息,来更新节点的向量表征。原创 2023-08-07 11:00:00 · 307 阅读 · 0 评论 -
相关图表达理解神经网络
Facebook的研究员从一个新奇的角度对神经网络的表示与设计进行探索,提出了一种新颖的相关图表示方式。它有助于对现有网络架构进行更深层次的分析与性能评价。 Relational graph(相关图)的图表示方式,神经网络的层沿图像结构进行多次信息交互。基于这种图表示方式,有几点发现:相关图的靶点(sweet spot)可以促使神经网络的性能极大提升;神经网络的性能与聚类系数、平均路径长度成平滑函数关系;该发现具有跨数据集、跨任务一致性;优秀的神经网络结构与真实生物神经网络具有原创 2023-08-05 10:53:06 · 154 阅读 · 0 评论 -
从知识工程到知识图谱
知识工程是符号主义人工智能的典型代表,近年来越来越火的知识图谱,就是新一代的知识工程技术。一般认为,人工智能分为计算智能、感知智能和认知智能三个层次。目前的智能研究旨在通过计算机模拟,让机器获得和人类相似的智慧,解决智能时代下的精准分析、智慧搜索、自然人机交互、深层关系推理等实际问题认知智能像人一样的思考能力具体体现在:机器对数据和语言的理解、推理、解释、归纳、演绎的能力,体现在一切人类所独有的认知能力上。原创 2023-07-27 10:30:00 · 91 阅读 · 0 评论 -
当深度强化学习(DRL)遇见图神经网络(GNN)
将图神经网络(GNN)与深度强化学习(DRL)相结合。新的DRL+GNN体系结构能够在任意网络拓扑图上学习、操作和生成。图神经网络(Graph Neural Networks,GNN)是一种新型的神经网络,用于对图结构信息进行操作。它们的基本形式是将一些初始状态与图中的不同元素相关联,然后结合这些元素在图中的相互关系。迭代算法更新状态元素并使用最终状态产生输出.原创 2023-07-26 22:27:50 · 1108 阅读 · 1 评论 -
数字视网膜与云视觉系统演进
高文院士分享了如何利用对神经网络的理解来改进包括城市大脑或智慧城市系统等现有云视觉系统方面存在的一些问题。高文院士等人从高级生命体视觉系统的进化历史中寻找灵感,在设计新的第二代城市大脑或者说云视觉系统时,在中间的视觉神经通道做工作。他们将这一想法称之为数字视网膜。原创 2023-07-21 11:30:00 · 123 阅读 · 0 评论 -
脑科学与类脑智能研究
蒲慕明院士指出:下一代人工智能的一个很重要的发展方向就是,脑启发的新型人工智能。我们国家在未来 10 年将启动的重大项目叫做脑科学与类脑研究,整体框架为『一体两翼』,主体是脑认知功能的神经基础,做全脑神经连接图谱,两翼则是指研究内容分为脑重大疾病诊断和干预、脑机智能技术研发两个方向。原创 2023-07-20 11:30:00 · 254 阅读 · 0 评论 -
模型驱动的深度学习方法
模型驱动的深度学习方法显然保留了一些模型驱动方法的优势(其确定性与驱动性)同时也避免了必须精确建模的缺点。它同时也兼备了深度学习方法强大的学习能力,而又克服了网络拓扑结构选择的困难。这使得深度学习方法的可设计性和可预测性变成可能,并且在实际应用中很好地平衡了通用性和相关性之间的关系。指出模型驱动的方法和数据驱动的方法二者之间并非相对的关系。原创 2023-07-19 10:47:57 · 499 阅读 · 0 评论 -
FCP(虚拟合作)--- 无需人工生成数据训练强化学习智能体
FCP(Fictitious Co-Play,虚拟合作)一篇由 DeepMind 的人工智能研究人员最新预发布的论文中,提出了一种称为FCP(Fictitious Co-Play,虚拟合作)的新方法。该方法实现智能体与不同技能水平人类间的合作,无需人工生成数据训练强化学习智能体(agent)。原创 2023-07-18 11:30:00 · 158 阅读 · 0 评论 -
人工智能的认识问题
对正确性和安全性要求很高、环境复杂的行业,人工智能应用还有很长的路要走。比如医疗行业、军事领域。第三波人工智能的兴起不是来自学术界,而是来自企业界的驱动。本质上不是人工智能界发明了以前不知道的新技术,而是数字化的普及产生了智能化的需求。如果我们能去掉人工智能头上神圣的光环,放下人工智能高贵的身段,在工业制造、生物学、医学、社会科学等诸多领域甘当配角,新一代人工智能不但不会进入严冬,必将走出小舞台,奔向科学研究和数字经济的大舞台,进入飞速发展的康庄大道。原创 2023-07-16 20:22:43 · 143 阅读 · 0 评论 -
大数据的今生与发展
对于“大数据”的理解不应仅仅停留在“大”上,首先要从资料谈起:资料是生产过程、管理过程,乃至经济、社会、生活过程的记忆,这些记忆可能表现在一个文件、一段演讲或一段文字上,这些资料放在计算机里就叫数据。数据是指以编码形式存在的信息载体。大数据是指大而复杂的资料集,具有海量性、时变性、异构性、分布性等特点,是人们从互联网的数据中能够观察到的特征。大数据技术是人工智能的核心。人工智能是人类脑科学、认知科学的进展,它的可见趋势是“大数据+场景”。原创 2023-07-16 11:30:00 · 58 阅读 · 0 评论 -
多模态智能的发展
多模态智能旨在融合多种模态的信息进行处理实现智能应用将多模态信号统一到同一个向量空间中,从而实现了多模态信号的交叉处理。大型自动语音识别使用完全连接深层神经网络(DNN)与自编码器的准确性大幅提高。自然语言在帮助机器理解图像内容方面起着关键作用,而理解意味着捕捉语言中嵌入的语义与从图像中获得的视觉特征之间的潜在相关性。多模态表示:由于其复杂的跨模态交互作用和各模态训练数据与测试数据之间可能存在的失配问题。原创 2023-07-15 10:30:00 · 69 阅读 · 0 评论 -
未来战争 --- “算法战”
“算法”通常指解题方案准确而完整的描述,是一系列按系统观点形成的解决问题的清晰指令,早已为公众所知。只是此次不同,美军将其与 “作战”这一概念紧密联在一起,旨在加快推进人工智能、大数据、机器学习、计算机视觉等前沿技术军事应用,谋求和维持未来的军事优势。原创 2023-07-13 11:30:00 · 325 阅读 · 0 评论 -
新型计算模式 --- 量子计算
1 量子计算的概念量子计算:一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式。基本理念:通过利用亚原子尺度的反直觉物理现象,来打破一些限制现有计算机速度的障碍。3 量子计算的未来一个希望是,量子计算机可以帮助机器学习算法使用比目前用于训练人工智能系统的数百万个例子少得多的例子来完成复杂的任务。原创 2023-07-12 11:30:00 · 98 阅读 · 0 评论 -
数字孪生(Digital Twin)--- 物理对象的数字表示
字孪生(Digital Twin)是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。数字孪生方面的工作依据其性质的不同分为两大类:1.工作的重点在如何进行工程应用,解决实际问题;2.工作的重点在于探讨数字孪生自身的运作机理、运行方法或运行模式。原创 2023-07-11 11:30:00 · 170 阅读 · 0 评论 -
人工智能的下个发展阶段
第三代人工智能的发展2015 年,张钹院士提出第三代人工智能体系的雏形。2017 年,DARPA 发起 XAI 项目,核心思想是从可解释的机器学习系统、人机交互技术以及可解释的心理学理论三个方面,全面开展可解释性 AI 系统的研究。2018年底,正式公开提出第三代人工智能的理论框架体系:原创 2023-07-08 22:00:45 · 144 阅读 · 0 评论 -
人机融合智能的思考
人机融合智能介绍人机融合智能就是由人、机、环境系统相互作用而产生的新型智能系统。之所以说它与人的智慧、人工智能不同,具体表现在三个方面: 1)首先是在智能输入端,它是把设备传感器客观采集的数据与人主观感知到的信息结合起来,形成一种新的输入方式; 2)其次是在智能的数据/信息中间处理过程,机器数据计算与人的信息认知融合起来,构建起一种独特的理解途径; 3)最后是在智能输出端,它把机器运算结果与人的价值决策相互匹配,形成概率化与规则化。原创 2023-07-07 21:29:24 · 105 阅读 · 0 评论 -
人工神经网络太简陋了,《Science》揭露,神经元树突也隐含计算能力
目前对于计算机科学家来讲,人工神经网络构建,往往基于这样一个概念:神经元是一个简单的、非智能的开关,神经网络的信息处理来源于数万(数万亿)个神经元之间的连接。神经科学家对于人脑的研究发现却并不是如此。在神经科学的诸多研究中已经发现,人脑在信息计算上并不只有神经元连接在起作用,单个的神经元也同样承担着比以前人们想象中要重要得多的计算任务。《Science》上发表了一篇论文 “Dendritic action potentials and computation i原创 2023-07-04 22:06:56 · 159 阅读 · 1 评论 -
人工智能领域的10大算法
人工智能已经存在于我们生活中很久了。但对很多人来讲,人工智能还是一个较为“高深”的技术,然而再高深的技术,也是从基础原理开始的。人工智能领域中就流传着10大算法,它们的原理浅显,很早就被发现、应用,甚至你在中学时就学过,在生活中也都极为常见。原创 2023-07-03 11:30:00 · 394 阅读 · 3 评论 -
人工智能领域十大最具成长性技术展望
1 对抗性神经网络是指由一个不断产生数据的神经网络模块与一个持续判别所产生数据是否真实的神经网络模块组成的神经网络架构,创造出近似真实的原创图像、声音和文本数据的技术。2 胶囊网络是指在深度神经网络中构建多层神经元模块,用以发现并存储物体详细空间位置和姿态等信息的技术。3 云端人工智能云端人工智能是指将云计算的运作模式与人工智能深度融合,在云端集中使用和共享机器学习工具的技术。原创 2023-07-02 13:44:14 · 242 阅读 · 1 评论 -
深度学习方法的改进
深度学习的成功来自于以下 3 个要素:一是数据:二是算法:三是算力:早在 2014 年,深度学习的诸多缺陷不断地被发现,预示着这条道路遇到了瓶颈。深度学习为何如此脆弱,容易受攻击,被欺骗和不安全。基于深度学习的 AI 具有不可解释性和鲁棒性差等缺陷,并针对这两个缺陷展开分析。2 深度学习的改进分析2.1可解释性问题人类理解机器决策过程的核心难点是跨越数据特征空间和人类语义空间之间的鸿沟。原创 2023-06-30 11:30:00 · 205 阅读 · 0 评论 -
迈向第三代人工智能
人工智能 (artifificial intelligence,AI) 自1956 年诞生以来,在 60 多年的发展历史中,一直存在 两个相互竞争的范式,即符号主义与连接主义 (或称亚符号主义)。二者虽然同时起步,但符号主义到 20 世纪 80 年代之前一直主导着 AI 的发展,而连接主义从 20 世纪 90 年代才逐步发展起来,到21世纪初进入高潮,大有替代符号主义之势。这两种范式只是从不同的侧面模拟人类的心智(或大脑),具有各自的片面性,依靠单个范式不可能触及人类真正的智能.原创 2023-06-29 17:30:00 · 253 阅读 · 0 评论 -
人工智能:相互关注!一定回关
家人们互关一波,关注必回!文章采访的120位AI行业创始人和高官谈论涉及的领域:自动驾驶、健康医疗领域、设备仪器检测领域、可穿戴智能设备、银行贷款、投资领域、城市交通生态系统、农业、实体零售行业、IT行业、智能家居生态系统、大数据、云计算、恶意软件、广告商、物联网设备、自动化、电信运营商、用户体验、数据处理、数据安全、娱乐、高等教育、保险业、语音助手、搜索算法、销售、数字助理、隐私安全、网络攻击、聊天机器人、可在评论区评论“关注”,一定会关注的!原创 2023-06-27 23:41:24 · 52 阅读 · 0 评论 -
人工智能领域研发热点回眸
让我们站在2018年的角度,回望那年的人工智能领域研发热点人工智能还有许多亟待发展和研究的方向。它的以下特点推动它在第三次发展浪潮中前往更具突破性的阶段,分别为从人工知识表达技术到大数据驱动知识学习处理单一的数据到跨媒体认识、学习和推理从追求“机器智能”到迈向人机混合的增强智能从聚焦“个体智能”到基于互联网络的群体智能从机器人到自主无人系统1人机融合智能2群体智能3认知计算4情感计算5智能机器人6智慧城市7人工智能医疗原创 2023-06-29 11:30:00 · 98 阅读 · 0 评论 -
AI:什么是智能?
意向是结构的可能性,形式是结构的现实性。智能是什么?人具有智能的一部分,而不是全部。智能是东西方文明一直共同关注的对象,孟子曰:“是非之心,智也”(《告子上》);是非在西方可以用“to be or not to be”来替代,两者之间的活动——应该(should)即是智能。从某种意义上说,人类文明是一个人类对世界和自己不断认知的过程。自学习系统就是系统具有能够按照自己运行过程中的经验来改进控制算法的能力,它是自适应系统的一个延伸和发展。原创 2023-06-28 17:30:00 · 246 阅读 · 0 评论 -
人工智能:智乎哉?奢求精确之误
人工智能产品:目前大量将面世的科技新产品到底并非都是人工智能产品,主要靠的是信息技术、自动化技术等,人工智能未必是其主体、灵魂或关键。但是人工智能包括信息技术、自动化技术等几乎所有技术,因为智能需要它们。人的学习无需如此海量的事例,因为人会归纳,而机器不会。简单地说,深度学习就是深层人工神经网络模型针对特定任务的大数据函数拟合培训,其数学本质是数据拟合。学成后,给定输入时,输出结果就像插值结果。不应该奢求对于“智能”有一个精确的定义人的意识行为:原创 2023-06-28 11:30:00 · 304 阅读 · 0 评论 -
人机融合智能的现状与展望
人工智能的优势在于庞大的信息存储量和高速的处理速度,但是无法处理如休谟问题,即从“是”(being)能否推出“应该”(should),也即“事实”命题能否推出“价值”命题;也无法处理情感的表征问题。人工智能尝试通过大数据与逐步升级的算法实现人的情感与意指依旧没有办法实现跨越。而人机智能融合将会是未来智能科学发展的下一个突破点。人机融合智能理论着重描述一种由人、机、环境系统相互作用而产生的新型智能形式,它既不同于人的智能也不同于人工智能,它是一种物理性与生物性相结合的新一代智能科学体系原创 2023-06-26 15:00:00 · 437 阅读 · 1 评论 -
人工智能研究中的几点思考
目前人工智能界现存的几大瓶颈即机器仍然无法形成常识、动机与智能决策人工智能的发展方向:(1)集群智能很多群居生物进行觅食、逃跑之时,往往个体没有复杂的行为,但群体的行为却涌现出复杂的智能现象。集群智能的五大原则:分别为邻近原则、品质原则、多样性反应原则、稳定性原则与适应性原则。比较著名的集群智能有蚁群优化、粒子群优化算法和人工鱼群算法。(2)软计算(soft computing)(3)混合智能系统原创 2023-06-27 11:30:00 · 57 阅读 · 0 评论 -
人工智能的奥秘:机器学习的各大门派
图灵奖得主,Meta人工智能负责人杨立昆(Yann LeCun)在2016年曾提出一个有名的蛋糕比喻:“如果智能是一块蛋糕,主体是自监督学习,表面的一糖霜是监督学习,点缀的樱桃是强化学习”机器学习:监督学习(Supervised Learning)无监督学习(Unsupervised Learning)自监督学习(Self-Supervised Learning)半监督学习(Semi-supervised learning)强化学习(Reinforcement Learning)深度强化学习原创 2023-06-26 12:00:00 · 208 阅读 · 0 评论 -
人工智能的 10 个重大数理基础问题
人工智能的 10 个重大数理基础问题本篇文章是博主在人工智能等领域学习时,用于个人学习、研究或者欣赏使用,并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记,若有不当和侵权之处,指出后将会立即改正,还望谅解。原创 2023-06-26 00:23:56 · 1040 阅读 · 3 评论 -
确定不了解一下?最热门的研究领域之一——人工智能AI
对于什么是人工智能?以简单的方式来说:让机器拥有人类的思维方式,能够像人类一样思考和处理问题。官方的来说:研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。简单介绍人工智能网络、深度学习,机器学习之间的联系和区别。原创 2023-04-23 15:17:46 · 149 阅读 · 0 评论 -
人工智能 ---(03.学习路线)
小编也是看了B站大佬的人工智能学习路线,然后在这里记录,并梳理一下自己的学习路线,然后选择目前最适合自己的学习阶段和将要学习的内容。大佬的视频链接我将它放在了下面,有和我一样初学者可以去看看视频。小编自己也看了许多博主的一些建议和看法,最后总结出来了适合小编自身的学习方式和学习流程。小编的学习是从机器学习开始,主要就是听B站吴恩达教授的机器学习课程(也可以尝试先看看机器学习实战项目和实战书籍)等学习完之后便是进入实战项目,然后自然就是深度学习领域,我觉得可以先不用急,先把机器学习搞定,内容还是挺多的。原创 2022-11-08 22:13:05 · 322 阅读 · 1 评论 -
人工智能 ---(02.相关书籍)
简单介绍一下以下四本书的相关信息。1.《视读人工智能》2.《人工智能的未来》3.《人工智能哲学》4.《人工智能:一种现代的方法》原创 2022-11-08 10:00:00 · 190 阅读 · 0 评论