人工智能第一篇－－认识人工智能

人工智能第一篇－－认识人工智能

机器学习

区别于人工智能，机器学习、尤其是监督学习则有更加明确的指代。机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
实现：训练和预测，类似于归纳和演绎
例如牛顿第二定律
机器学习的过程与牛顿第二定律的学习过程基本一致，都分为假设、评价和优化三个阶段：

深度学习－神经网络

深度学习的模型可以视为输入到输出的映射函数,
足够深的神经网络理论上可以拟合任何复杂的函数。

神经元： 神经网络中每个节点称为神经元，由两部分组成：
加权和：将所有输入加权求和。
非线性变换（激活函数）：加权和的结果经过一个非线性函数变换，让神经元计算具备非线性的能力。
多层连接： 大量这样的节点按照不同的层次排布，形成多层的结构连接起来，即称为神经网络。
前向计算： 从输入计算输出的过程，顺序从网络前至后。
计算图： 以图形化的方式展现神经网络的计算逻辑又称为计算图。我们也可以将神经网络的计算图以公式的方式表达如下：

２０１０年，神经网络模型名字有了变化：深度学习
深度学习的顶级会议ｉｃｌｒ和ｋｄｄ，视觉的ｃｖｐｒ，自然语言处理的ｅｍｎｌｐ
计算机视觉的卷积神经网络ｃｎｎ
自然语言处理的长期短期记忆模型ｌｓｔｍ