复杂系统、大数据及人工智能概述

正式开始机器学习，先写下复杂系统、大数据及人工智能概述。

不同于直接从定义、特点、性质讲，课程老师先从数学讲起。

 

• 数学模型：将现实抽象化的结果图形，如用几何图形描绘行星轨迹。

• 数学历史：从现实中数学应用—物理应用

• 数学模型，物理模型的预测和失效：

　　　人们通过数据建立模型，应用模型进行预测。在众多领域中模型发挥了十分突出的作用（天文，机械，电，热等），但也有失效的发生（金融，灾害）

　　　失效原因：随机性、混沌、反身性、网络效应、历史依赖。

基于数学/物理模型的失效让人们认识到复杂系统：

　将不可预测的复杂问题进行分析，分析（模型）为复杂系统。

　复杂系统：多数量组成成分，组成复杂的群体，群体的性质不是个体所完全不具备（不可拆分的系统）。受外界环境影响（鲁棒性），复杂网络结构特征等。

 

 

 

大数据的失效

　原因:单单有大量的数据难以解决随机性，复杂性等问题。

解决方案:学习机器,统计模型。

学习机器：剔除噪声，萃取有效信息，变化成行动，获取反馈，改进算法不断循环。

 

 

人工智能:

    学派                    解决方式：                                             　　           问题

符号学派:　根据人类进行运算和解决问题的规则，输入给计算机。    　　复杂性、随机性……

控制学派:　数据和模型相结合，机器模拟人学习规则。                        解决问题能力不够多

连接学派:　机器学习人的硬件基础。

 

 

转载于:https://www.cnblogs.com/oldsaltyfish/p/9320451.html