1. 绪论
-
四大流派
- 符号主义(知识图谱)
原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理
用数理逻辑描述智能行为, 在计算机上实现了逻辑演绎系统。
举例，其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。
- 连接主义(神经网络)
认为人工智能源于仿生学，特别是对人脑模型的研究。
举例，MP神经元，感知机，神经网络
- 行为主义(智能机器人)
认为人工智能源于控制论。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。
举例，智能控制和智能机器人
- 统计主义(机器学习)
基于概率论与数理统计
举例，贝叶斯分类器(条件概率)
- 符号主义(知识图谱)
-
AI，ML，DL的异同、关联
知乎
- AI最初的概念，是用计算机构造与人类拥有同样智慧的机器。
人工智能的研究领域包括专家系统、CV、NLP、推荐系统等等。
// AI分为弱AI和强AI,
// 弱 AI 让机器通过观察和感知, 做到一定程度的理解和推理
// 强 AI 让机器获得自适应能力, 解决没有遇到过的问题// 目前的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破
// 电影里的人工智能多半都是在描绘强人工智能，而这部分在目前的现实世界里难以真正实现。 - ML 是一种实现人工智能的方法
ML 根据某些算法，通过大量数据进行训练和学习，然后对真实世界中的事件做出决策和预测。
算法：决策树、聚类、贝叶斯分类、支持向量机等等。
学习方法：监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
预处理：特征工程
-
DL 一种实现机器学习的技术
DL 利用深度神经网络来进行特征表达，DL的学习过程就是DNN的训练过程
DNN 本身并不是一个全新的概念，可大致理解为包含多个隐含层的NN
应用：图像识别、语音识别
预处理：数据清洗
存在的问题
- 深度学习模型需要大量的训练数据，才能展现出神奇的效果，但现实生活中往往会遇到小样本问题，此时深度学习方法无法入手，传统的机器学习方法就可以处理
- 有些领域，采用传统的简单的机器学习方法，可以很好地解决了，没必要非得用复杂的深度学习方法
- 深度学习的思想，来源于人脑的启发，但绝不是人脑的模拟，举个例子，给一个三四岁的小孩看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩也十有八九能做出那是一辆自行车的判断，也就是说，人类的学习过程往往不需要大规模的训练数据，而现在的深度学习方法显然不是对人脑的模拟
- AI最初的概念，是用计算机构造与人类拥有同样智慧的机器。
-
机器学习的两个阶段
-
训练(三步曲)
- define Model
定义 model
- goodness of a function
定义Loss function
-
pick the best function
通过 GD 调整参数，使得损失函数达到最小值，此时的 function 就是某个 Model 中的最佳function
# 所有训练数据用了一次 for e in epoch: # 迭代多少次 for it in iteration: GD(batchsize) update(W) # Epoch: # All sample data in the train set are used once in 1 epoch # Iteration (Batch): # # Batch-size: # The number of data in one iteration误差反向传播, 与GD一起使用, 更新权值, 训练模型
- define Model
- 测试
在 Dev set / Test set 上进行测试
前向传播, err = y - predict(x), acc = y - err, 给定输入, 预测输出, 计算准确率
-
-
机器学习的分类(区分差异, 举例说明)
- 监督学习
数据集带标签, 即训练集的 y 已知, 可以计算 err = y - h(x)
举例，线性回归，图像识别
- 非监督学习
数据集无标签，y 未知，需要通过某种方法自动组织成一个个类别
举例，聚类算法
- 半监督学习
数据集一部分有标签，一部分没标签
- 强化学习
强化学习也是使用未标记的数据。
在监督学习中，能直接得到每个输入的对应的输出。强化学习中，训练一段时间后，你才能得到一个延迟的反馈，并且只有一点提示说明你是离答案越来越远还是越来越近。
游戏AI，AlphaGo，Dota，不是马上就能得到游戏结果，但是可以在一段时间延迟后知道自己离胜利是否越来越近。
DeepMind 利用强化学习令游戏 AI 大幅进步，以 AlphaGo 的成功最为典型。
- 迁移学习
https://blog.csdn.net/jiandan...
从源领域（Source Domain）学习了东西，应用到新的目标领域（Target Domain）
源领域和目标领域之间有区别，有不同的数据分布
样本迁移、特征迁移、模型迁移、关系迁移
训练数据少（容易过拟合），原先某个训练好的模型，部分组件可以重用，部分组件需要修改，用于新的场景，
类似面向对象，可重用性，或者某个web框架可以快速搭建各种web应用
原来识别猫，现在可以识别狗（四条腿的特征可以重用），或者其他动物
训练真实图片，识别卡通图片
- 监督学习
线性回归
- 机器学习定义
机器学习，对于某类任务 T 和性能度量 P，模型程序可以通过经验 E 学习和改进，提升它在任务 T 上的性能 P
T 预测
P 准确率
E 训练集
- 线性回归
Y = h(x) = WX + b
X(1) = 28x1, Y(1) = 10x1
- 三步曲
model, loss function, 通过 GD 使 loss 最小
训练集上表现不好 ---> 欠拟合 ---> 使用更复杂的模型，使用更多特征作为输入
训练集表现好 -> 测试集表现不好 --> 过拟合 ---> 正则化，增加训练数据
-
误差来源分析
Testing Error = Bias error + Variance Error
Bias error ≈ train error = avoidable error + unavoidable error
Variance error ≈ 测试集 上的表现比训练集上差多少
= test error - train error- 欠拟合：bias error 高, variance error 低
- 过拟合：bias error 低, variance error 高
- Good：bias error 低, variance error 低
- y5 = W5x^5 + ... + W1x + W0
y1 = W1x + W0, y1 是 y5 的子集
-
三类数据集
- 训练集：训练模型参数
- 开发/验证集：用于挑选超参数
- 测试集：用于估计泛化误差，衡量模型性能
- 数据集不是特别大时，使用 K-折 交叉验证
TODO 交叉验证
将数据集D划分成k个大小相似的互斥子集，
每次用k-1个子集作为训练集，余下的子集做测试集，最终返回k个训练结果的平均值。
交叉验证法评估结果的稳定性和保真性很大程度上取决于k的取值。
- 参数，自动学习，W，b
超参数，某次训练中不会改变的，由程序员确定
lr，正则化系数，模型阶数，batchsize，epoch，梯度优化算法，filter的尺寸、步长
-
正则化
- L1(θ) = L(θ) + λ[θ]1
[θ]1 = |w1| + |w2| + ... 参数绝对值之和,
作用: 特征筛选
- L2(θ) = L(θ) + λ[θ]2
[θ]2 = w1^2 + w2^2 + ... 参数平方和
作用：限制模型复杂度, 避免过拟合, 提高泛化能力
- Elastic, L1 + L2
L3(θ) = L(θ) + λ{ρ[θ]1 + (1-ρ)[θ]2}
- L1(θ) = L(θ) + λ[θ]1
-
加快模型训练
- 归一化
- 使用不同的 GD
SGD, BGD, miniBGD, AdaGrad, RMSProp, SGDM, Adam,
TODO: 不同GD之间的比较
- 微调学习率lr
TODO: 自适应变化的lr，t++, η--
分类 classification
-
Why not use linear regression model to solve classification?
- 线性回归无法解决多分类问题
- 有些问题不是线性可分的（异或问题）
- Why use cross entropy as loss metric, not MSE (Mean Square Error)?
如果是交叉熵，距离target越远，微分值就越大，就可以做到距离target越远，更新参数越快。而平方误差在距离target很远的时候，微分值非常小，会造成移动的速度非常慢，这就是很差的效果了。
离目标离目标很近的时候，∂L/∂w 很小导致更新很慢。
- What is Cascading logistic regression model? Why introduce this concept?
https://blog.csdn.net/soulmee...
https://cloud.tencent.com/dev...
串级联的逻辑回归模型可以进行，特征转换，解决非线性的分类，如异或问题
逻辑回归单元就是神经元的基本结构，可以组成神经网络
逻辑回归 vs 线性回归
- 逻辑
f(x) = σ(Σwx + b)
输出 (0, 1)
Loss = 交叉熵
TODO: 抄公式
https://zhuanlan.zhihu.com/p/...
https://blog.csdn.net/jasonzz...
https://blog.csdn.net/panglin...
- 线性
f(x) = Σwx + b
输出 任何值
Loss = 均方差
- 二分类(logistic回归, y = 0 or 1)
sigmoid
- 多分类(softmax回归, y = 1, 2, 3, ..., k)
softmax
深度学习
-
对比三步曲
- 定义一个函数集，即网络结构的选择
- goodness of a function, 定义评价函数，即损失函数的选择
https://blog.csdn.net/soulmee...
以识别 MNIST 为例，对于一张图片，计算交叉熵作为 loss
loss = - ln[yi], 其中 i 是正确的标签对应的下标，即 ^yi = 1, 其他 ^y = 0
然后对于一个batch，计算 L = total loss = Σ loss
- pick the best function, 挑选一个最好的函数，即如何更新权重进行学习
选择使 L 最小的 function (网络参数)，作为最佳 function
枚举是不现实的，神经元个数太多，组合起来数量太大，需要使用梯度下降
w = w - η ∂L/∂w，重复这个过程，直到 ∂L/∂w 很小，即 w 的更新量很小
但是NN是非凸优化的，存在局部最小值
- 反向传播，用于更新模型参数,
Backpropagation: an efficient way to compute ∂L/∂w in neural network
To compute the gradients efficiently, we use backpropagation.
forward pass: 计算 ∂z/∂w
backward pass 计算 ∂l/∂z = ∂l/∂a ∂a/∂z =
会计算梯度（偏导）
- 正向传播，用于预测输出，计算loss
- 全连接
输入层
隐藏层
输出层
-
梯度消失，梯度爆炸
原因：网络太深，激活函数不合适，如sigmoid
https://zhuanlan.zhihu.com/p/...
只要是sigmoid函数的神经网络都会造成梯度更新的时候极其不稳定，产生梯度消失或者爆炸问题。
靠近输出层的单元的梯度大，学习快，会一下子收敛，认为网络已经收敛了。而靠近输入层的单元梯度小，学习慢，且有随机性。这样整个网络就好像是基于随机情况训练而来的。效果不好。
如果考虑将权重初始化成大一点的值，又可能造成梯度爆炸。
梯度爆炸和梯度消失问题都是因为网络太深，以及网络权值更新不稳定造成的，本质上是因为梯度反向传播中的连乘效应。
解决方法，可以用新的激活函数 ReLU
- 解决梯度消失的问题，因为它大于0的部分是线性的。小于0时即为0。
- 计算量小
https://zhuanlan.zhihu.com/p/25631496
https://zhuanlan.zhihu.com/p/33006526
-
欠拟合
https://zhuanlan.zhihu.com/p/...
- 调整网络结构，增加层数、神经元数，但是越深 ≠ 越好
- 新的激活函数
- MiniBatch and Batch Normalization, 提高训练速度和效果
- 选择合适的损失函数 loss
-
过拟合
- Early Stopping
随着在训练数据上的损失不断减小，在验证集上的误差会在达到某个最小值后反而增大，这时可以考虑提早终止网络的训练，保留一个在训练集和验证集上效果都较好的网络。
- 正则化
- dropout, 以一定的概率丢弃部分单元，简化网络。
- 更多数据进行训练
- 创造训练数据，比如手写体识别，图片角度倾斜15度又变成了新的数据
- Early Stopping
两种特定场景的 NN
-
CNN, 卷积神经网络
图像识别
提取出图像的不同特征，再搭配全连接网络和softmax进行分类
-
图像可以用CNN的原因
- pattern具有局部性
- 图像的不同区域可能会出现的同样的pattern
- 对图像进行向下采样，对整体特征的影响不大，
-
卷积层用到a和b两个原因，池化层用到c原因。
同时，利用这些原理可以减少计算量。
且，CNN是稀疏连接，且共享参数，大大减少了计算量，
CNN可以很好地进行特征提取，再搭配全连接网络和softmax进行图像识别(分类)
由于图像的特征具有局部性、重复性，因此可以通过卷积核进行特征提取
另外，降低图像分辨率对图像整体特征的影响较小，因此通过池化进行向下取样，减少计算量
综上，对比全连接，CNN是稀疏连接，且共享参数，大大减少了计算量，又有很好的识别效果
kernel/filter
* stride
* padding
* 超参数
size, padding, stride, number-of-filters
TODO：结合下面的输入输出尺寸，实例计算尺寸，计算特征
* 输入尺寸 输出尺寸
- TODO：CNN结构，P41
-
RNN, 循环神经网络
- TODO，结合上次作业
- 什么是序列数据?举例说明。
有时间维度的数据称为时间序列数据。如文本段落、语音输入、视频流、DNA序列分析等
- RNN 特点
当前的预测值考虑到了之前的运行结果
- 即使只有一层的RNN模型仍可能出现梯度消失和梯度爆炸，为什么？
https://zhuanlan.zhihu.com/p/...
对RNN进行优化需要用到BPTT，用来表示RNN的记忆状态，权值的偏导中存在累乘，如果每一项都小于1，那么乘多了就变0了，如果每一项都大于1，那么乘多了又会很大，所以RNN存在梯度消失和爆炸的原因。
-
LSTM与一般的RNN相比，优势在哪。LSTM的结构
- 可以避免梯度消失(无法消除梯度爆炸)
在LSTM中，也有和RNN一样的记忆单元，叫做细胞状态(LSTM Cell)
从上图可以看到，LSTM的单元状态更新公式中是一个加法而不是乘法
表示以前的记忆需要忘记多少，表示这一次的输入需要添加多少
因为是加法，所以不容易导致接近于0的情况。
- LSTM可以保持长时记忆，LSTM的记忆门可以控制记忆存放多久。不过LSTM可以保持长时间记忆根本原因也是因为LSTM解决了梯度消失的问题吧。
- 可以避免梯度消失(无法消除梯度爆炸)
- 训练LSTM相当于是训练每个block的三个门的输入权值
- 对于给定问题，能判断出是否该使用 RNN 模型
当输入和输出有一个是序列数据时使用RNN模型。
典型RNN任务：语音识别、音乐生成、语义分析、机器翻译。