人工智能数学基础
数学与人工智能概览
数学与人工智能
• 人工智能是一个交叉学科,应用的领域也非常广阔。不同的应用领域所要求的数学背景知识也不尽相同。但是线性代数、概率论、微积分和统计学是人工智能用于表述的“语言”。学习数学知识将有助于深入理解底层算法机制,便于开发新算法。
• 线性代数:描述深度学习算法的基础也是核心。它通过矩阵表示法来实现深度学习方法。待处理的非结构化数据转都换成离散的矩阵或向量形式。比如一张图像可以表示为按顺序排列的像素数组形式,声音数据可以表示为向量形式、神经网络就是无数的矩阵运算和非线性变换的结合。
• 概率论与统计学:研究数据分布与如何处理数据。深度学习算法所做的绝大多数事情就是预测,预测源于不确定性,而概率论与统计就是讨论不确定性的学科。
• 微积分:数学分析的基础。
线性代数
• 线性代数是代数学的一个分支,主要处理线性问题。线性问题是指数学对象之间的关系是以一次形式来表达的。线性代数诞生于求解线性方程组。行列式、矩阵和向量是处理线性问题的有力工具。
• 线性代数与人工智能:
o 神经网络中的所有参数都被存储在矩阵中;线性代数使矩阵运算变得更加快捷简便,尤其是在GPU上训练模型时,因为GPU可以并行地以向量和矩阵运算。
o 图像在计算中被表示为按序排列的像素数组。
o 视频游戏使用庞大的矩阵来产生令人炫目的游戏体验。