第九课：机器学习与人工智能、计算机视觉、自然语言处理 NLP及机器人

各位小伙伴想要博客相关资料的话关注公众号：chuanyeTry即可领取相关资料！

第三十四章：机器学习与人工智能

以区分飞蛾为例：

1、分类 Classification

2、做分类的算法 分类器 Classifier

3、用于分类的值是特征 Feature

4、特征值+种类叫做标记数据 Labeled data

标记数据如下。

5、决策边界 Decision boundaries

虚线为决策边界如下。

6、混淆矩阵 Confusion matrix

右下角表为混淆矩阵。

7、决策树 Decision tree

8、支持向量机 Support Vector Machines

本质上是用任意线段来切分决策空间，不一定是直线。

9、人工神经网络 Artificial Neural Network

不用统计学的算法。模拟人类学习的过程，将数据进行加权求和修正等一系列处理。

10、深度学习 Deep learning

得名原因：有很多的隐藏层。

11、弱AI, 窄AI Weak AI, Narrow AI

只能做指定内容的内容。

12、强AI Strong AI

通用的，和人一样智能的AI叫做强AI，目前没有人能做到。

13、强化学习 Reinforcement Learning

学习什么管用，什么不管用，自己发现成功的策略，这叫强化学习。

第三十五章：计算机视觉

1、颜色跟踪算法——跟踪一个像素

2、检测垂直边缘的算法

物体的边缘有多个色素，不适合颜色跟踪算法。要识别边缘，可以判断其两边像素的颜色差异程度。

3、核/过滤器 kernel or filter

——用来检测垂直边缘的算法的数学符号，如下绿色的图。核或过滤器图示如下。

算法示例如下。

4、卷积 convolution

把核应用于像素块。

5、Prewitt 算子 Prewitt Operators

水平和垂直边缘增强的核叫Prewitt 算子。

6、维奥拉·琼斯 人脸检测 Viola-Jones Face Detection

7、卷积神经网络 Convolutional Neural Networks

用一层层不同的核来识别复杂场景，用脸来举例，先识别边缘，然后形状，器官…直至某一层把所有特征堆积在一起，识别出脸之后，可以进一步用其他算法定位面部标志，如眼睛和眉毛具体位置，从而判断心情等信息。

第三十六章：自然语言处理 NLP

1、过程

通过词性 Parts of speech和短语结构规则 Phrase structure rules构建分析树 Parse tree，并结合语言模型 Language Model来实现语音识别 Speech recognition。

2、实现原理

快速傅立叶变换 Fast Fourier Transform，把波形转换成频率。

3、音素 Phonemes

构成单词的声音片段。

4、语音合成 Speech Synthesis

第三十七章：机器人

1、机器人发展中的例子

法国吃饭鸭 - Digesting Duck, Canard Digerateur。
土耳其行棋傀儡，下国际象棋（假的，有人控制）。
第一台计算机控制的机器出现在1940年代晚期，叫数控机器, Computer Numerical Control（CNC）。
1960年 Unimate，第一个商业贩卖的可编程工业机器人。

2、机器人控制的回路

负反馈回路 negative feedback loop。
比例-积分-导数控制器 Proportional–Integral–Derivative controller PID 控制器。
通过控制三个值，比例值——实际值和理想值差多少，积分值——一段时间误差的总和，前两者用来修正错误：导数值（微分值）——期望值和实际值之间的变化率，用来避免未来的错误，这也叫预期控制，来控制进程。

3、机器人三定律 Three Laws of Robotics

——让机器人不要伤害人类。