人工智能相关资源代码论文教程Tutorials 等 Prompt-Engineering 深度学习辅助驾驶语言模型文本生成图片开源实现 OCR 通用聊天机器人_ai tutor enhanced with prompt engineering and deep-CSDN博客

本文链接：https://blog.csdn.net/xiaoxiaowenqiang/article/details/138278345

人工智能

模型

深度学习是神经网络的深层神经网络。强化学习是独立于机器学习之外的分支，强化学习严格来说不属于机器学习，
机器学习的任务是通过已知的训练集来学习目标函数，而强化学习不需要训练集。

机器学习：一切通过优化方法挖掘数据中规律的学科。
深度学习：一切运用了神经网络作为参数结构进行优化的机器学习算法。学习过程是静态的，训练样本是有标签的
强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。学习过程是动态的，训练是没有标签的
深度强化学习：一切运用了神经网络作为参数结构进行优化的强化学习算法。

机器学习模型（Machine Learning models）：包括分类器、回归器、聚类器、推荐系统等。例如：Logistic回归、深度神经网络、决策树
- Wide & Deep：Google开发的一种混合推荐模型，结合了线性模型（广度）和深度神经网络（深度）。
- Neural Collaborative Filtering (NCF)：一种基于深度学习的协同过滤推荐算法。
- DeepFM：一种结合因子分解机（FM）和深度神经网络的推荐算法。
强化学习模型（Reinforcement Learning models）：使用来自环境的反馈，通过反复试验来学习实现目标的模型。例如：深度Q网络、政策梯度
逻辑回归(Logistic Regression)
K最近邻(K-Nearest Neighbors)
决策树(Decision Tree)
随机森林(Random Forest)
朴素贝叶斯(Naive Bayes)
神经网络(Neural Network)
- 感知机(Perceptron)
- 多层感知机(Multilayer Perceptron)
- CNN(Convolutional Neural Network)
- RNN(Recurrent Neural Network)
- LSTM(Long Short Term Memory)
- GAN(Generative Adversarial Nets)
SVM(Support Vector Machine)
- 聚类(Clustering)
- K均值(K-Means)
- 高斯混合模型(Gaussian Mixture Model)
- DBSCAN
降维(Dimensionality Reduction)
- PCA(Principal Component Analysis)
- LDA(Linear Discriminant Analysis)
- -Kernel PCA
- tSNE
线性回归(Linear Regression)
极限学习机(Extreme Learning Machine)
隐马尔可夫模型(Hidden Markov Model)
支持向量聚类(Support Vector Clustering)
递增学习(Incremental Learning)
置信学习(Confidence Learning)
元学习(Meta Learning)
集成学习(Ensemble Learning)
- 随机森林(Random Forest)
- GBDT(Gradient Boosting Decision Tree)
- AdaBoost
- 栈式学习(Stacking)
迁移学习(Transfer Learning)
计算机视觉(Computer Vision)：用于分析图像和视频的模型。例如：对象检测器、分割模型、面部识别模型
- CNN(Convolutional Neural Network)
- 对象检测(Object Detection)
- semantic segmentation
- 实例分割(Instance Segmentation)
- 目标跟踪(Object Tracking)
- 行人重识别(Person Re-identification)
- 图像分类(Image Classification)
- 物体识别(Object Recognition)
自然语言处理(Natural Language Processing)：用于处理文本和语音的模型。例如：变形金刚、递归神经网络、单词嵌入
- RNN(Recurrent Neural Network)
- LSTM(Long Short Term Memory)
- GRU(Gated Recurrent Unit)
- 词向量(Word Embedding)
- 文本分类(Text Classification)
- 机器翻译(Machine Translation)
- 问答系统(QA)
- 评论分析(Sentiment Analysis)
- 词性标注(Part-of-speech Tagging)
- 命名实体识别(Named Entity Recognition)
- 依存句法分析(Dependency Parsing)
- 文本摘要(Text Summarization)