深度学习（Machine Learning，简称ML）和机器学习（Deep Learning，简称DL）

最新推荐文章于 2023-12-28 21:35:43 发布
最新推荐文章于 2023-12-28 21:35:43 发布
阅读量893 收藏
点赞数
文章标签： 人工智能
原文链接：http://www.cnblogs.com/zhuimengzhe/p/7692186.html
版权

2016是人工智能爆发的一年，各种层出不穷的新技术、新概念让人眼花缭乱。很多人都分不清人工智能（Artificial Intelligence，简称AI）、机器学习（Machine Learning，简称ML）以及深度学习（Deep Learning，简称DL）概念之间的不同。本文为理解机器学习和深度学习提供了不同的视角。

转载于:https://www.cnblogs.com/zhuimengzhe/p/7692186.html

weixin_30925411
关注
人工智能(AI）、深度学习(DL)、机器学习(ML)、神经网络（RNN/CNN）、自然语言处理（NLP）等概念科普
Jack__iT的博客
12-09 5471
机器学习 机器学习（MachineLearning）简称ML。机器学习属于人工智能的一个分支，也是人工智能的和核心。机器学习理论主要是设计和分析一些让计算机可以自动”学习“的算法。 深度学习 深度学习（DeepLearning）简称DL。最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做出相应的调整。深度学习是机器学习研究中...
学习笔记7-ML(Deep learning)-神经网络简介
qq_37279306的博客
06-24 352
1. 发展历史 通过调研，简单总结神经网络的发展及其应用场景，结果见下图： 2.神经网络 2.1 神经网络模型 神经网络的结构主要包含三层：输入层、隐含层以及输出层，当隐含层的层数非常大的时候即为深度学习，整个网络可以看成函数： Output=f(input)Output=f\left( input \right) Output=f(input) 2.1.1 节点数值的传递 传递过程 假设xxx从Input层到Layer 1变成了a1a_1a1​，a1a_1a1​从Layer 1层到Layer 2变成了
深度学习知识点全面总结
qq_43842093的博客
12-28 1731
深度学习定义：一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类：有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；​ 无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。深度神经网络的基本思想是通过构建多层网络，对目标进行多层表示，以期通过多层的高层次特征来表示数据的抽象语义信息，获得更好的特征鲁棒性。神经网络的计算主要有两种：前向传播（foward propagation, FP）作用于每一层的输入，通过逐层计算得到输出结果；
机器学习缩写词汇
linker的专栏
12-12 3836
machine learning : 机器学习 　　　　　　　　　　　　 deep learning : 深度学习 image processing : 图像处理 natural language processing : 自然语言处理 algorithms : 算法 training data set : 训练数据集 facial detection : 面部识别 malware det
深度学习中的缩写
Loong Cheng的博客
05-09 1743
真的好烦缩写，特别容易弄混，我在毕业答辩时候，老师也说，比用缩写，特烦。 下图来源于：2019，苏州科技大学，康一帅，基于卷积神经网络的图像识别算法研究[D] 粗略看一下，发现其40页，59页是空白页。可能毕业太着急了。。。 ...
嵌入式&深度学习术语及简称
weixin_30287169的博客
10-18 312
SHAVE：Streaming Hybrid Architecture Vector Engin SIPP：Streaming Image Processing Pipeline Toimprove floating-point performance of LEON-basedsystems, anewFPUcalled GRFPU hasbeen developed...
深度学习(Deep Learning, DL)的相关资料总结
bigdataage的专栏
06-03 901
深度学习(Deep Learning, DL)的相关资料总结 http://blog.sciencenet.cn/blog-830496-679604.html 点击打开链接
机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
11-03
机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL
06-03
AiLearning: 机器学习 - MachineLearning - ML、深度学习 - DeepLearning - DL、自然语言处理 NLP
deeplearning-ai-books-深度学习资源包
05-10
深度学习（Deep Learning，简称DL）是机器学习（Machine Learning，简称ML）的一个子集，也是人工智能（Artificial Intelligence，简称AI）领域的一个重要分支。它被引入机器学习，旨在使机器更接近于实现人工智能的...
Machine-Learning-Research-Papers:机器学习、深度学习及相关领域的研究论文列表
05-30
机器学习、深度学习及相关领域的研究论文列表。 我整理了一份我遇到和阅读的研究论文清单。 我会在每周阅读论文时不断更新论文列表及其摘要。 如何阅读研究论文 Andrew Ng 教授就给出了一些很棒的技巧。 我在总结了...
深度学习(DL, Deep Learning)
Xiebe的博客
06-25 2168
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 ...
深度学习---英文名称简写大全
qq_45893319的博客
08-31 926
统计机器翻译（Statistical Machine Translation, SMT） 神经网络机器翻译（Neural Machine Translation, NMT）
机器学习、深度学习、神经网络这几个概念的区别
rela0426的博客
08-05 1356
机器学习、深度学习、神经网络这几个概念的区别机器学习神经网络深度学习卷积神经网络总结 机器学习 机器学习早在20世纪50年代就已经很火了，它有着很长的历史，主要指的是研究如何使用机器来模拟人类学习活动的一门学科。简单的说，就是让机器具备学习能力，就叫机器学习。机器学习是实现人工智能的必经路径。 常见的机器学习算法包括： 1）决策树算法 2）朴素贝叶斯算法 3）支持向量机算法 4）随机森林算法 5）人工神经网络算法 6）Boosting与Bagging算法 7）关联规则算法 8）EM（期望最大化）算法 神
机器学习、深度学习、神经网络还傻傻分不清吗？
王青宇的博客
03-18 3万+
目录 一.人工智能、机器学习、深度学习、神经网络是什么 二.机器学习的分类 一.人工智能、机器学习、深度学习、神经网络是什么 简单来说，人工智能的概念是最大最空的；机器学习其次，它是实现人工智能的一个重要途径；深度学习是机器学习中的一类方法，而深度学习是从神经网络基础上发展得到的，核心还是人工神经网络算法，最基本的算法没有变。 1.人工智能：可以像人类大脑一样思考的机器，拥有人类的智慧。 科学家对AI未来的发展畅想了三个阶段，我们目前处于弱人工智能阶段，正在探索强人工智能...
所以，机器学习和深度学习的区别是什么？
Oner.wv的专栏
02-20 738
作者：aporras 翻译：郭振深度学习是机器学习算法的子类，其特殊性是有更高的复杂度。因此，深度学习属于机器学习，但它们绝对不是相反的概念。我们将浅层学习称为不是深层的那些机器学习技术。...
机器学习——深度学习(Deep Learning)
热门推荐
Rachel Zhang的专栏
08-04 45万+
Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN，1. 有监督学习和无监督学习给定一组数据(input，target)为Z=(X，Y)。有监督学习：最常见的是r
深度学习的57个名词
深度学习世界
12-07 2243
一、激活函数（Activation Function） 为了让神经网络能够学习复杂的决策边界（decision boundary），我们在其一些层应用一个非线性激活函数。常用的函数有sigmoid、tanh、ReLU（Rectified Linear Unit 线性修正单元）和以及这些函数的变体。 二、Adadelta Adadelta 是基于梯度下降的学习算法，可以随时间调整每
机器学习和深度学习概念入门
持续学习中
06-03 1万+
作者：谭东     对于很多初入学习人工智能的学习者来说，对机器学习、深度学习、人工智能的概念和区别还不是很了解，那么接下来就给大家从概念和特点上进行阐述。先看下三者的关系。     人工智能包括了机器学习，机器学习包括了深度学习，他们是子类和父类的关系。     先看什么是人工智能。人工智能（Artificial Intelligence），英文缩写为AI。是计算机
机器学习和深度学习的概念算法与区别
最新发布
09-22
机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）都是人工智能领域的重要分支，它们都属于数据驱动的学习方法，但有本质的区别。 **机器学习**: - **概念**: 通过构建数学模型让计算机从数据中自动学习规律，无需显式编程。 - **算法**: 包括监督学习（如线性回归、决策树、SVM）、无监督学习（聚类、关联规则）、半监督学习和强化学习等多种形式。 - **特点**: 简单模型往往依赖手动选择特征，适用于小规模、低维度的数据集。 **深度学习**: - **概念**: 是一种特殊类型的机器学习，尤其是基于人工神经网络，能够模拟人脑多层次的处理过程。 - **算法**: 主要是多层神经网络，如卷积神经网络（CNN）、循环神经网络（RNN）和Transformer等。 - **特点**: 自动学习底层特征，特别适合处理大规模、高维的数据，例如图像、语音和文本。 **区别**: - **层次结构**: 深度学习更深层次，可以从原始输入学到复杂的抽象特征；而传统机器学习往往需要人为设计特征。 - **数据需求**: 深度学习通常需要大量标注数据训练，机器学习则较灵活，小型数据集也可能有效。 - **计算资源**: 深度学习模型较大，训练和推理需要强大的计算能力，机器学习相对简单。 总结来说，机器学习是一个广泛的概念，而深度学习是其中的一种复杂且计算密集型的方法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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