人工智能无处不在
1,应用
搜索引擎: 网页,图片 视频
信息推荐:
图片识别:人像 用品 动物 交通
图片分析:社交网络 影评
2 定义
人工智能:将机器赋予以人类智能相似的方式做出反应
3,发展
1956年诞生,
1957年发展的高峰,
1970年,由于计算能力受限制,机器不能完成大 数据的训练,进入了低估,
1986年,BP算法的出现,机器能够实现大规模神经网络训练。人工智能迎来了另一个高峰。
2000年的时候由于计算DARPA没有实现,政府投资减少。
2014年深度学习算法成功 语音和视觉在数据处理方面超过人类。
机器学习, 人工智能 ,深度学习的关系
- 机器学习:实现人工智能的方式
- 深度学习:一种是实现机器学习的技术,人工神经网络是机器学习的一个重要的算法。(数据和算力)
深度学习的入门基础
1,让计算机能够向人一样理解图像
2,让计算机将意思一样的划分成为一类。
面临的挑战:
语义鸿沟现象 :图像底层视觉特性和高层语义概念之间的鸿沟。
eg:相同的视觉特征,不同的语义概念
不同的视觉特征,相同的语义概念
解决方法
用全局的视觉底层特性统计量表示图像信息:
将一个图片分为:纹理,形状,颜色 特征形成统计直方图 形成特征向量。
缺点:全局特征会丢掉一些图像的细节。
深度学习的优势
测量空间+特征空间+类别空间
传统的方法是:
人工手工提取特征+分类器
深度学习的方法:将人工提取特征给机器学习,让计算机自动学习提取特征值
深度学习的一般步骤
1 训练数据----f(x)----未知数据
2,模型 +策略+算法
算力(硬件)+算法(模型网络)(框架)