人工智能学习笔记（一）

一、人工智能相关概念的关系

计算机科学 > 人工智能 > 机器学习 > 深度学习

计算机科学（Computer Science）

人工智能（Artificial Intelligence，AI，计算机科学的分支）

机器学习（Machine Learning，ML，人工智能的核心）

深度学习（Deep Learning，DL，机器学习的研究方向）

 二、神经网络定义和分类

人工神经网络（Artificial Neural Networks，ANNs），简称神经网络，是一种模仿动物神经网络的行为特征，进行分布式并行信息处理的算法数学模型。

分类：

1、按模型结构分为前馈型网络（多层感知机网络、非线性映射系统）和反馈型网络（Hopfield网络、非线性动力学系统）

2、按学习方式分为监督学习、非监督学习、半监督学习

3、按工作方式分为确定性和随机性

4、按时间特性分为连续性和离散型

三、机器学习

机器学习的流程

1、数据获取

2、特征工程

3、建立模型

4、评估与应用

从数据中提取特征，这是机器学习的核心。深度学习就是机器学习用来提取特征的一种方法，即研究方向。数据预处理和特征提取是机器学习的核心。神经网络作为一个黑盒子，本质上就是处理数据。在计算机视觉领域主要处理图像数据，在自然语言处理中处理文本数据。

机器学习主要有两个类问题，一类是回归，一类是分类。回归问题的结果是连续的，分类问题的结果是离散的。从训练上，分为监督问题和非监督问题。

机器学习的常规套路

1、收集数据并给定标签

2、训练一个分类器

3、测试、评估

在图像分类中，存在的问题主要有部分遮蔽和背景混入。如何区分前景和后景，在背景中分离出主体（主要部分）是实现较好分类效果的前提。

参考链接：

人工智能（计算机科学的一个分支）_百度百科 (baidu.com)

机器学习（多领域交叉学科）_百度百科 (baidu.com)

深度学习（人工神经网络的研究的概念）_百度百科 (baidu.com)

神经网络（通信定义）_百度百科 (baidu.com)