机器学习
概念
多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎么模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
学科定位
人工智能(Artificial Intelligence,AI)的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳,综合而不是演绎。
定义
探究和开发一系列算法来如何使计算机不需要通过外部明显的指示,而可以自己通过数据学习,建模,并且利用建好的模型和新的输入来进行预测的学科。
名人见解
1.Arthur Samuel(1995): 一门不需要通过外部程序指示而让计算机有能力自我学习的学科。
2.Langley(1996): 机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。
3.Tom Michell(1997):机器学习是对能通过经验自动改进的计算机算法的研究。
“学习”的定义
针对经验E(experience)和一系列的任务T(tasks)和一定表现的衡量P。如果随之经验E的积累,针对定义好的任务T可以提高表现P,就说计算机具有学习能力。
深度学习介绍(Deep Learning)
定义
深度学习是基于机器学习延伸出来的一个新的邻域,由以人大脑结构为启发的神经网络算法为起源加之模型结构深度的增加发展,并伴随大数据和计算能力的提高而产生的一系列新的算法。
作用
深度学习,作为机器学习中延伸出来的一个领域,被应用在图像处理与计算机视觉,自然语言处理以及语音识别等领域。