人(rén)工智能開(kāi)發簡介

人(rén)工智能是所有(yǒu)機器(qì)模仿人(rén)類認知能力的研究的超級集合。

例如：環境交互、知識表達、感知、學習、機器(qì)視(shì)覺、語言識别。

主要構成理(lǐ)論包括：計(jì)算(suàn)機科學、統計(jì)學、數(shù)學。

機器(qì)學習

1. 機器(qì)學習是人(rén)工智能的分支；
2. 在計(jì)算(suàn)機科學領域的應用使計(jì)算(suàn)機無需顯示編程就能學習；
3. 機器(qì)學習由能夠基于數(shù)據進行(xíng)學習和(hé)預測的算(suàn)法組成：

• 這類算(suàn)法在前面樣本基礎上(shàng)進行(xíng)訓練，以建構和(hé)估計(jì)模型；
• 在傳統編程不可(kě)行(xíng)的情況下，通(tōng)常采用機器(qì)學習；
• 如果經過适當的訓練，可(kě)以适應新的案例應用。

機器(qì)學習的應用領域

1．識别模式：

• 真實場(chǎng)景的對象
• 人(rén)臉/表情識别
• 語言識别

2. 識别異常：

• 欺詐性信用卡交易
• 核電(diàn)站(zhàn)傳感器(qì)讀數(shù)的異常模式

3. 預測

• 未來(lái)股票(piào)價格
• 精準廣告推送

機器(qì)學習的一些(xiē)方法：決策樹(shù)、聚類、基于規則的學習、歸納邏輯編程、深度學習。

深度學習是利用神經網絡進行(xíng)的學習。

• 靈感來(lái)自生(shēng)物神經網絡
• 深度是指有(yǒu)很(hěn)多(duō)中間(jiān)的學習步驟
• 需要大(dà)量數(shù)據

深度學習的優勢：

• 數(shù)據模式和(hé)關系的自主學習
• 高(gāo)準确度
• 容易
• 改進和(hé)微調
• 适應性解決方案

深度學習的劣勢：

• 大(dà)量數(shù)據集
• 高(gāo)計(jì)算(suàn)需求
• 難以理(lǐ)論解釋
• 黑(hēi)盒子（對大(dà)多(duō)數(shù)人(rén)）

卷積深度神經網絡在許多(duō)任務上(shàng)都優于以前的方法

什麽是神經網絡？

• 也稱為(wèi)人(rén)工神經網絡
• 靈感來(lái)自生(shēng)物神經系統
• 生(shēng)物神經元有(yǒu)三個(gè)主要組成部分：樹(shù)突、細胞體(tǐ)、突觸

人(rén)工神經元

神經網絡有(yǒu)三個(gè)層次：

• 輸入層：可(kě)以從其他神經元或特征輸入，例如年齡、身高(gāo)、體(tǐ)重等；
• 隐藏層：向網絡中添加更多(duō)的神經元，真正的力量就在這裏；
• 輸出層：給出我們想要預測的輸出。

激活函數(shù)

神經網絡訓練

• 在監督學習中，我們有(yǒu)一個(gè)相對較大(dà)的數(shù)據集；
• 将所有(yǒu)樣本作(zuò)為(wèi)輸入，以獲得(de)輸出，成為(wèi)前饋傳播；
• 開(kāi)始時(shí)，可(kě)以根據應用程序場(chǎng)景随機或預定義權重；
• 将預測結果與真實結果比較；
• 任務目标是通(tōng)過減少(shǎo)error使預測結果更加接近于真實的輸出