深度学习

https://baike.baidu.com/item/深度学习/3729729?fr=aladdin

 

深度学习是学习样本数据的内在规律和表示层次。

深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

 

 

以往在机器学习用于现实任务时，描述样本的特征通常需由人类专家来设计，这成为“特征工程”（feature engineering）。众所周知，特征的好坏对泛化性能有至关重要的影响，人类专家设计出好特征也并非易事；特征学习（表征学习）则通过机器学习技术自身来产生好特征，这使机器学习向“全自动数据分析”又前进了一步。

 

监督学习、非监督学习

数据：标记数据，非标记数据

算法：CNN, DBN, 自编码神经网络(稀疏编码)

 

input layer, outputlayer , hidden layer(隐层)。

深度学习，浅度学习（两层）

模型

 

深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法： [2] 

(1)基于卷积运算的神经网络系统，即卷积神经网络(CNN)。 [2] 

(2)基于多层神经元的自编码神经网络，包括自编码( Auto encoder)以及近年来受到广泛关注的稀疏编码两类( Sparse Coding)。 [2] 

(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络(DBN)。 [2] 

===========

机器学习三要素之数据、模型、算法

数据+算法（策略和评论体系，三观），模型（经验，程序写的程序，训练）

机器学习，能产生程序的程序，即模型

机器分类算法，概率，识别率（高过人类）

 

https://blog.csdn.net/RedPintings/article/details/80705154

数据是价值。

算法的价值

 

费良宏：程序员为什么要学深度学习？

https://mp.weixin.qq.com/s/XZ4joElapT-MFKflaPJRyA

 

============

达尔文：进化论

图灵：输入、输出、处理

机器AI：输入、目标、行动、反馈（改进的第一步）

如果我们要设计一个真正的AI机器人，这四个模块必不可少：

 

数据-信息-知识-智慧-影响力

https://mp.weixin.qq.com/s/yCTTOn9O641dMDWEiqbPZw

 

 

人工智能的核心能力：进化能力+面对未知的能力。