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)