认识人工智能关键技术：机器学习
1.机器学习：
(1) 机器学习
从软件编写的角度，就是编写了能从示例中学习如何解决问题的程序
(2) 涉及学科
统计学，系统辨识，逼近理论，神经网络，优化理论，计算机科学，脑科学
(3) 研究内容
研究计算机怎样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。
(4) 综合阐述
基于数据的机器学习是现代智能技术的重要方法之一。从观测数据出发寻找规律，以对未来数据或无法观测的数据进行预测。
(5) 机器学习分类
1)根据学习方法进行分类： 传统机器学习 和 深度学习
2)根据学习模式进行分类： 监督学习，无监督学习和强化学习
3)根据算法特点进行分类： 迁移学习，主动学习和演化学习
(6)传统机器学习简介
1) 原理：
从一些观测样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。实现了学习结果的有效性和学习模型的可解释性，为解决有限样本的学习问题提供了一种框架。
2) 主要应用领域
模式分类 ， 回归分析 和 概率密度统计。
3) 基础学科： 统计学
4)适用方向：
自然语言处理，语音识别， 图像识别，信息检索 和生物信息。
(7) 深度学习简介
1)建立深层结构模型的学习方法
2)诞生的诸多神经网络模型：
a. 卷积神经网络 ： 常用于空间性分布数据
b. 循环神经网络： 常用于时间性分布数据
(8)传统机器学习和深度学习的区别与联系
深度学习是在传统机器学习上的发展。在传统机器学习中，需要人为机器定义识别特征模型。而深度学习中，则是由机器自己寻找某类事物的特征并构建识别特征模型。
分享到:
閱讀更多 一隻孜孜不倦的蝸牛 的文章
