人工智能基础部分
文章平均质量分 88
介绍人工智能基础知识,与数学知识,带大家初步认识人工智能
微学AI
人工智能高级研发者,名校硕士学历毕业,拥有6项AI领域发明专利,主攻深度学习实战案例、机器学习实战案例、Python数据挖掘实战项目,研究方向包括:深度学习应用技巧,pytorch搭建模型,机器学习经典模型,自然语言处理,知识图谱,类ChatGPT大语言模型,智能OCR,目标检测等,项目主要运用于医疗健康、政府、教育、金融、生物学、物理学、企业管理等领域。
展开
-
人工智能基础部分26-基于知识推理引擎KIE算法的原理介绍与实际应用
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分26-基于知识推理引擎KIE算法的原理介绍与实际应用。知识推理引擎(Knowledge Inference Engine, KIE)是一种人工智能技术,其核心原理是基于规则和逻辑的方法来处理复杂的问题。它构建在业务领域知识模型之上,通过规则库和工作流管理,实现对知识的存储、检索、推理和更新。KIE通常采用专家系统、描述逻辑或框架方法等作为基础,运用诸如Drools、JBoss BRMS等商业智能工具实现。原创 2024-04-12 17:23:20 · 749 阅读 · 0 评论 -
人工智能基础部分25-一篇文章将透注意力机制(Attention)与自注意力机制(self-Attention),帮助大家加深印象
大家好,我是微学AI,今天给大介绍一下人工智能基础部分25-一篇文章将透注意力机制(Attention)与自注意力机制(self-Attention),,帮助大家加深印象。注意力机制(Attention)与自注意力机制(self-Attention)都是在深度学习模型中用于提升模型性能的技术,它广泛地应用于计算机视觉、自然语言处理等深度学习任务,它们之间的主要区别在于作用的对象和场景。原创 2024-03-20 12:36:55 · 1097 阅读 · 0 评论 -
人工智能基础部分24-人工智能的数学基础,汇集了人工智能数学知识最全面的概况
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分24-人工智能的数学基础,汇集了人工智能数学知识最全面的概况,深度学习是一种利用多层神经网络对数据进行特征学习和表示学习的机器学习方法。要全面了解深度学习的数学基础,需要掌握这些数学知识:向量、矩阵、微积分、线性代数、概率论、数值计算、优化理论、信息论。原创 2024-02-07 18:32:40 · 1034 阅读 · 0 评论 -
人工智能基础部分23-利用Q-Learning解决“悬崖行走”与迷宫问题的案例
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分23-利用Q学习解决“悬崖行走”与迷宫问题的案例。Q学习(Q-Learning)是一种无模型的强化学习算法,它通过Q表来评估在给定状态下采取某一动作的期望回报。Q表是一个表格,其行代表状态,列代表动作,每个单元格的值代表在某一状态下采取某一动作的Q值。原创 2024-01-18 16:21:25 · 1037 阅读 · 2 评论 -
人工智能基础部分22-几种卷积神经网络结构的介绍,并用pytorch框架搭建模型
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分22-几种卷积神经网络结构的介绍,本篇文章我将给大家详细介绍VGG16、VGG19、ResNet、SENet、MobileNet这几个卷积神经网络结构,以及pytorch搭建代码,利用通用数据输入到模型中。这些模型都是计算机视觉领域中非常重要和广泛应用的模型。原创 2023-11-22 14:58:01 · 303 阅读 · 0 评论 -
人工智能基础部分21-神经网络中优化器算法的详细介绍,配套详细公式
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分21-神经网络中优化器算法的详细介绍,配套详细公式。本文将介绍几种算法优化器,并展示如何使用PyTorch中的算法优化器,我们将使用MNIST数据集和一个简单的多层感知器(MLP)模型。本文仅用于演示不同优化器的用法,实际应用中可能需要调整超参数以获得最佳性能。原创 2023-11-22 10:47:52 · 756 阅读 · 0 评论 -
2023年新课标I卷作文,5位人工智能考生(ChatGPT,文心一言,GPT4, ChatGLM-6b, ChatT5)来写作,看谁写得最好
大家好,我是微学AI,今天是2023年6月7日,一年一度的高考又来了,今年的高考作文题也新鲜出炉。今年是特殊的一年,有人说2023是AI的元年,这一年里有大语言模型的爆发,每天都有大模型的公布,在2023年有文心一言,GPT4, ChatGLM等语言模型的发布,我们已经步入人工智能领域的时代,这些模型都能很好的理解人类的语言,对于这些模型如果写高考作文的话,会是什么样的表现呢?原创 2023-06-07 16:20:51 · 2307 阅读 · 6 评论 -
python的基本知识与面试问题的汇总1
大家好,我是微学AI,今天给大家介绍一下python的基本知识与面试问题的汇总,看完之后会对python巩固有很大的帮助哦。原创 2023-06-04 20:17:09 · 659 阅读 · 8 评论 -
人工智能基础部分20-生成对抗网络(GAN)的原理与简单应用
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分20-生成对抗网络(GAN)的实现应用。生成对抗网络是一种由深度学习模型构成的神经网络系统,由一个生成器和一个判别器相互博弈来提升模型的能力。本文将从以下几个方面进行阐述:生成对抗网络的概念、GAN的原理、GAN的实验设计。原创 2023-05-28 14:55:14 · 2549 阅读 · 8 评论 -
人工智能基础部分19-强化学习的原理和简单应用,一看就懂
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分19-强化学习的原理和简单应用,随着人工智能的不断发展,各种新兴技术不断涌现。作为人工智能的一个重要分支,强化学习近年来受到了广泛关注。本文将介绍强化学习的原理,并通过一个简单的实例来分析强化学习的运用。原创 2023-05-20 19:19:31 · 2819 阅读 · 0 评论 -
人工智能基础部分18-条件随机场CRF模型的应用
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分18-条件随机场CRF模型的应用,本文将详细介绍条件随机场(CRF)模型,包括其原理、应用场景及实际代码实现。我将通过一个生活中的简单数据样例来演示如何输入数据、运行模型以及分析结果。原创 2023-05-17 14:29:51 · 1134 阅读 · 2 评论 -
人工智能基础部分17-隐马尔科夫模型在序列问题的应用
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分16-隐马尔科夫模型在序列问题的应用,隐马尔可夫模型(HMM)是一种统计模型,广泛应用于各种领域,如语音识别、自然语言处理、生物信息学等。本文将介绍隐马尔可夫模型的原理,并通过一个简单的生活中的例子提供完整的代码实现。原创 2023-05-16 16:41:59 · 829 阅读 · 0 评论 -
人工智能基础部分16-神经网络与GPU加速训练的原理与应用
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分16-神经网络与GPU加速训练的原理与应用,在深度学习领域,神经网络已经成为了一种流行的、表现优秀的技术。然而,随着神经网络的规模越来越大,训练神经网络所需的时间和计算资源也在快速增长。为加速训练过程,研究者们开始利用图形处理器(GPU)来进行并行计算。在本文中,我们将研究神经网络与GPU的关系,以及如何使用GPU加速神经网络训练。原创 2023-05-14 20:59:00 · 1652 阅读 · 0 评论 -
人工智能基础部分15-自然语言处理中的数据处理上采样、下采样、负采样是什么?
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分15-自然语言处理中的数据处理上采样、下采样、负采样是什么?在自然语言处理中,上采样、下采样、负采样都是用于处理数据不平衡问题的技术,目的是为了优化模型的训练效果和训练速度。原创 2023-05-10 16:53:42 · 1131 阅读 · 1 评论 -
人工智能基础部分14-蒙特卡洛方法在人工智能中的应用及其Python实现
大家好,我是微学AI,今天给大家介绍一下人工智能基础部分14-蒙特卡洛方法在人工智能中的应用及其Python实现,在人工智能领域,蒙特卡洛方法(Monte Carlo Method, MCM)被广泛应用于各种问题的求解。本文首先将介绍蒙特卡洛方法的基本原理和特点,然后通过一个实际问题来演示如何在 Python 中实现该方法,最后给出完整的项目目录结构和具体实现代码,帮助读者更好地理解和掌握这一方法。原创 2023-05-07 22:28:00 · 1127 阅读 · 1 评论 -
人工智能基础部分13-LSTM网络:预测上证指数走势
大家好,我是微学AI,今天给大家介绍一下LSTM网络。LSTM又称为:长短期记忆网络,它是一种特殊的 RNN。LSTM网络主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。对于相比普通的RNN,LSTM能够在更长的序列中有更好的表现。原创 2023-02-21 18:02:16 · 990 阅读 · 1 评论 -
人工智能基础部分12-循环神经网络RNN初步认识
大家好,我是微学AI,今天给大家给介绍一下循环神经网络初步认识。循环神经网络 (RNN) 是一种特殊的神经网络架构,能够处理序列数据,例如语音识别、文本生成等任务。RNN 的核心思想是在网络中增加一条“时间线”,允许信息在时间上传递。原创 2023-01-23 21:57:12 · 1860 阅读 · 2 评论 -
人工智能基础部分11-图像识别实战(网络层联想记忆,代码解读)
大家好,我叫微学AI,今天给大家带来图像识别实战项目。图像识别实战是一个实际应用项目,下面介绍如何使用深度学习技术来识别和检测图像中的物体。主要涉及计算机视觉,实时图像处理和相关的深度学习算法。学习者将学习如何训练和使用深度学习模型来识别和检测图像中的物体,以及如何使用实时图像处理技术来处理图像。项目还将涉及如何使用计算机视觉方法来识别和检测图像中的特征,以及利用卷积神经网络来进行识别图像。原创 2023-01-17 13:57:45 · 3411 阅读 · 0 评论 -
人工智能基础部分10-卷积神经网络CNN初步认识
大家好,我是微学AI,今天给大家介绍一下卷积神经网络,卷积神经网络(Convolutional Neural Network)是一种深度学习模型,也是最近几年受到最多关注的模型之一。它的核心是深度学习的卷积层,可以帮助用户抽取有效的特征,从而进行分类或者识别。这些特征可以是图像,文本,音频或者视频中的相关特征,可以构建许多实用的应用。原创 2023-01-08 10:50:14 · 1708 阅读 · 0 评论 -
人工智能基础部分9-深度学习深入了解
深度学习是一种机器学习技术,由一些多层次的非线性处理单元组成,每一层都可以学习数据中的复杂关系,并且可以组合到一起以构建更复杂的模型。它是由一系列的计算机模型组成的,这些模型是由非线性的多层神经网络构建的,其中每一层都可以学习数据中的复杂关系,并在更高的层次上抽象出更为宏观的模式。它主要应用于计算机视觉、自然语言处理、语音识别和推荐系统等领域。原创 2023-01-04 15:48:55 · 855 阅读 · 0 评论 -
人工智能基础部分7-高维空间的神经网络认识
大家好,我是微学AI,今天给大家介绍一下高维空间的神经网络,学习高维空间的神经网络就意味着我们已经跨入深度学习领域了。高维空间的神经网络是一种特殊的深度学习模型,用于处理高维数据。它通过增加网络层数来处理高维数据,用于提取高维特征,解决复杂的机器学习问题,并且可以用于解决许多机器学习应用场景。高维空间的神经网络可以更好地捕捉数据的复杂性,从而更好地解决机器学习问题。原创 2022-12-27 10:18:53 · 1093 阅读 · 0 评论 -
人工智能基础部分6-神经网络初步认识(超详细)
大家好,我是微学AI,今天给大家介绍一下神经网络的基本知神经网络就像一个人,它可以从外部获取输入信息并将其转换为内部结构,以便在不同的情况下做出正确的决定。神经网络也像一个掌握语言的机器,它能够接受输入,模仿人类的学习方式,从而学习和记忆特定的输入和输出之间的关系。原创 2022-12-25 08:53:35 · 2762 阅读 · 0 评论 -
人工智能基础部分5-激活函数的概念
激活函数(Activation Function)是神经网络中的一个重要组成部分,它是把一个神经元的输出映射到另一个值域,它可以将输入信号转换为非线性输出信号。激活函数是一种特殊的函数,它通过计算输入信号的线性组合,然后根据某种特定的函数来生成输出信号。激活函数的主要作用是对输入的特征进行组合,以便模型能够学习输入特征之间的非线性关系。原创 2022-12-22 16:50:44 · 1707 阅读 · 0 评论 -
人工智能基础部分4-梯度下降和反向传播
梯度下降(Gradient Descent)是一种最优化算法,用于求解最小化损失函数的参数值。梯度下降的基本思想是:根据当前参数的梯度,沿着梯度的反方向移动参数,从而找到损失函数的最小值。梯度下降在机器学习和深度学习中被广泛应用,用于优化模型参数。反向传播(Backpropagation)是一种形式化的梯度下降算法,用于训练神经网络。反向传播的基本思想是:用输出层的梯度反向传播到隐藏层,以计算每一层的梯度,并将梯度更新到参数,以期望找到损失函数的最小值。反向传播结合了梯度下降算法和负梯度方向的求解。原创 2022-12-19 16:12:02 · 2426 阅读 · 0 评论 -
人工智能基础部分3-方差损失函数的概念
大家好,我是微学AI,今天给大家介绍一下方差损失函数的概念:方差损失函数是指计算模型在训练集上的表现和在测试集上的表现之间的差异。它衡量着模型的拟合能力,也可以用来衡量模型的泛化能力。方差损失函数可以帮助我们找到最优模型,从而提高模型的泛化能力。原创 2022-12-17 17:08:00 · 1108 阅读 · 0 评论 -
人工智能基础部分2-一元一次函数感知器
一元一次函数感知器是一种简单的神经网络,也可以叫做rosenblatt感知器,其中只有一个输入和一个输出。它使用一个简单的线性函数来模拟人类神经系统的行为,这个函数是由一个系数和一个偏置值组成的,系数用于控制输入对输出的影响,而偏置值用于控制输出的整体大小。一元一次函数感知器可以用来解决简单的分类和回归问题。原创 2022-12-15 14:07:46 · 1165 阅读 · 0 评论 -
人工智能基础部分1-人工智能的初步认识
人工智能(Artificial Intelligence)就是让机器具有人类的一样的智慧,有人类的视觉、听觉、阅读、写作等能力。人类大脑是经过了上亿年的进化才形成的复杂结构,但我们至今仍然没有完全了解其工作机理。虽然随着神经科学、认知心理学等学科的发展,人们对大脑的结构有了初步的了解,但对大脑的智能究竟是怎么产生的还是未知。我们并不理解大脑的运作原理,以及如何产生意识、情感、记忆等功能.因此,通过“复制”人脑来实现人工智能在目前阶段还不切实际。原创 2022-12-03 22:31:59 · 2387 阅读 · 0 评论 -
人工智能基础部分8-深度学习框架keras入门案例,初学者轻松入门
什么是Keras?Keras是深度学习框架,是一个高层神经网络API,Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果,如果你是初学者,请选择Keras框架,带你初步了解深度神经网络框架,案例:一个二维特征,影响一个函数值,例如函数 ,x,y是自变量,z与x,y存在函数f的映射关系,下面要做的事情是,随机生成一个若干个点,他们之间符和某一种函数关系,我们事先不知道,现在要利用神经网络框架,...原创 2022-04-26 15:35:20 · 2655 阅读 · 1 评论