第一章 概述
1.1 什么是人工神经网络
人工智能定义:用机器去 实现所有目前必须借助人类智慧才能实现的任务。其 具体研究、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。
人工智能是一个概念性而非形式化定义,包含多种方法论
机器学习是人工智能的一个重要分支,是实现智能化的关键
大数据问题:从实际的需求来看,随着数据采集和计算机能力的增加,积累了大量的数据, 而且绝大部分是非结构化(语义不清楚、稀疏)数据。先前的机器学习方法收效甚微。
1.2 神经网络与深度学习发展回顾
发展历史
创始: 1943年,McCulloch和W.Pitts,提出NN数学模型;1949年, Hebb规则
初步发展: 1958年,Rosenblatt 感知机和联想学习;1960年,Widrow和Hoff ADALINE学习算法
停滞期: 1969年 Minsky “Perceptron” XOR问题
复兴期(二十世纪八、九十年代): 1982 Hopfield解决TSP问题;1986 Rumelhart和McClelland BP;新型神经网络提出,如RBFN, Hopfield网络,Boltzmann机等
爆发期(2006~2021年): 2006年:Hinton提出深度学习;应用的爆发式发展:语音识别:微软,2011;ImageNet: Google, 2011-; AlphaGo: DeepMind, 2016
通用人工智能(2021起):以ChatGPT 3.5为标志
1.3 神经网络与深度学习应用
应用趋势:深度学习是第三次崛起的核心技术。
人工智能发展的6大关键技术:计算机视觉;自然语言处理;机器人;机器学习;图像识别;语音识别
第二章 线性分类与感知机
2.1 线性回归
定义:利用数理统计中回归分析,来确定两种或两种以上变量间相 互依赖的定量关系的一种统计分析方法。
2.2 线性二分类问题
定义:线性分类器则透过特征的线性组合来做出分类决定,以达到 此种目的。
线性分类与线性回归差别:输出意义不同;参数意义不同;维度不同。
梯度下降法
2.3 对数回归与多分类回归
指数回归与多分类回归
2.4 神经元模型
神经元模型:生物神经网络,生物神经元
作用函数:非对称型函数、对称型函数、对称型阶跃函数
2.5 感知机模型
感知机(Perceptron)是1957年,由Rosenblatt提出,是神经网络和支 持向量机的基础。
感知机从输入到输出的模型如下: 𝑦 = 𝑓 𝑥 = 𝑠𝑖𝑔𝑛(𝐰T𝐱)
损失函数、超平面参数