資料介紹
人類(lèi)一直試圖讓機(jī)器具有智能,也就是人工智能(Artificial Intelligence)。從上世紀(jì) 50 年代,人工智能的發(fā)展經(jīng)歷了“推理期”,通過(guò)賦予機(jī)器邏輯推理能力使機(jī)器獲得智能,當(dāng)時(shí)的 AI 程序能夠證明一些著名的數(shù)學(xué)定理,但由于機(jī)器缺乏知識(shí),遠(yuǎn)不能實(shí)現(xiàn)真正的智能。因此,70 年代,人工智能的發(fā)展進(jìn)入“知識(shí)期”,即將人類(lèi)的知識(shí)總結(jié)出來(lái)教給機(jī)器,使機(jī)器獲得智能。在這一時(shí)期,大量的專(zhuān)家系統(tǒng)問(wèn)世,在很多領(lǐng)域取得大量成果,但由于人類(lèi)知識(shí)量巨大,故出現(xiàn)“知識(shí)工程瓶頸”。無(wú)論是“推理期”還是“知識(shí)期”,機(jī)器都是按照人類(lèi)設(shè)定的規(guī)則和總結(jié)的知識(shí)運(yùn)作,永遠(yuǎn)無(wú)法超越其創(chuàng)造者,其次人力成本太高。于是,一些學(xué)者就想到,如果機(jī)器能夠自我學(xué)習(xí)問(wèn)題不就迎刃而解了嗎!機(jī)器學(xué)習(xí)(Machine Learning)方法應(yīng)運(yùn)而生,人工智能進(jìn)入“機(jī)器學(xué)習(xí)時(shí)期”。“機(jī)器學(xué)習(xí)時(shí)期”也分為三個(gè)階段,80 年代,連接主義較為流行,代表工作有感知機(jī)(Perceptron)和神經(jīng)網(wǎng)絡(luò)(Neural Network)。90 年代,統(tǒng)計(jì)學(xué)習(xí)方法開(kāi)始占據(jù)主流舞臺(tái),代表性方法有支持向量機(jī)(Support Vector Machine),進(jìn)入 21 世紀(jì),深度神經(jīng)網(wǎng)絡(luò)被提出,連接主義卷土從來(lái),隨著數(shù)據(jù)量和計(jì)算能力的不斷提升,以深度學(xué)習(xí)(Deep Learning)為基礎(chǔ)的諸多 AI 應(yīng)用逐漸成熟。
所以,人工智能是追求目標(biāo),機(jī)器學(xué)習(xí)是實(shí)現(xiàn)手段,深度學(xué)習(xí)是其中一種方法。
在過(guò)去幾年中,深度學(xué)習(xí)已成為大多數(shù) AI 類(lèi)型問(wèn)題的首選技術(shù),掩蓋了經(jīng)典的機(jī)器學(xué)習(xí)。其中明顯的原因是深度學(xué)習(xí)已經(jīng)在包括言語(yǔ)、自然語(yǔ)言、視覺(jué)和玩游戲在內(nèi)的各種各樣的任務(wù)中多次表現(xiàn)出優(yōu)異的表現(xiàn)。然而,盡管深度學(xué)習(xí)具有如此高的性能,但使用經(jīng)典的機(jī)器學(xué)習(xí)和一些特定的情況下,使用線性回歸或決策樹(shù)而不是大型深度網(wǎng)絡(luò)會(huì)更好。 我們將比較深度學(xué)習(xí)與傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)。在這樣做的過(guò)程中,我們將找出兩種技術(shù)的優(yōu)點(diǎn)和缺點(diǎn),以及它們?cè)谀睦铮绾潍@得最佳的使用。
不需要特征工程:經(jīng)典的 ML 算法通常需要復(fù)雜的特征工程。首先在數(shù)據(jù)集上執(zhí)行深度探索性數(shù)據(jù)分析,然后做一個(gè)簡(jiǎn)單的降低維數(shù)的處理。最后,必須仔細(xì)選擇最佳功能以傳遞給 ML 算法。當(dāng)使用深度網(wǎng)絡(luò)時(shí),不需要這樣做,因?yàn)橹恍鑼?shù)據(jù)直接傳遞到網(wǎng)絡(luò),通常就可以實(shí)現(xiàn)良好的性能。這完全消除了整個(gè)過(guò)程的大型和具有挑戰(zhàn)性的特征工程階段。適應(yīng)性強(qiáng),易于轉(zhuǎn)換:與傳統(tǒng)的 ML 算法相比,深度學(xué)習(xí)技術(shù)可以更容易地適應(yīng)不同的領(lǐng)域和應(yīng)用。首先,遷移學(xué)習(xí)使得預(yù)先訓(xùn)練的深度網(wǎng)絡(luò)適用于同一領(lǐng)域內(nèi)的不同應(yīng)用程序是有效的。例如,在計(jì)算機(jī)視覺(jué)中,預(yù)先訓(xùn)練的圖像分類(lèi)網(wǎng)絡(luò)通常用作對(duì)象檢測(cè)和分割網(wǎng)絡(luò)的特征提取前端。將這些預(yù)先訓(xùn)練的網(wǎng)絡(luò)用作前端,可以減輕整個(gè)模型的訓(xùn)練,并且通常有助于在更短的時(shí)間內(nèi)實(shí)現(xiàn)更高的性能。此外,不同領(lǐng)域使用的深度學(xué)習(xí)的基本思想和技術(shù)往往是相當(dāng)可轉(zhuǎn)換的。例如,一旦了解了語(yǔ)音識(shí)別領(lǐng)域的基礎(chǔ)深度學(xué)習(xí)理論,那么學(xué)習(xí)如何將深度網(wǎng)絡(luò)應(yīng)用于自然語(yǔ)言處理并不是太具有挑戰(zhàn)性,因?yàn)榛鶞?zhǔn)知識(shí)非常相似。對(duì)于經(jīng)典 ML 來(lái)說(shuō),情況并非如此,因?yàn)闃?gòu)建高性能 ML 模型需要特定領(lǐng)域和特定應(yīng)用的 ML 技術(shù)和特征工程。對(duì)于不同的領(lǐng)域和應(yīng)用而言,經(jīng)典 ML 的知識(shí)庫(kù)是非常不同的,并且通常需要在每個(gè)單獨(dú)的區(qū)域內(nèi)進(jìn)行廣泛的專(zhuān)業(yè)研究。
經(jīng)典機(jī)器學(xué)習(xí)》深度學(xué)習(xí)
對(duì)小數(shù)據(jù)更好:為了實(shí)現(xiàn)高性能,深層網(wǎng)絡(luò)需要非常大的數(shù)據(jù)集。之前提到的預(yù)先訓(xùn)練過(guò)的網(wǎng)絡(luò)在 120 萬(wàn)張圖像上進(jìn)行了訓(xùn)練。對(duì)于許多應(yīng)用來(lái)說(shuō),這樣的大數(shù)據(jù)集并不容易獲得,并且花費(fèi)昂貴且耗時(shí)。對(duì)于較小的數(shù)據(jù)集,傳統(tǒng)的 ML 算法通常優(yōu)于深度網(wǎng)絡(luò)。財(cái)務(wù)和計(jì)算都便宜:深度網(wǎng)絡(luò)需要高端 GPU 在大量數(shù)據(jù)的合理時(shí)間內(nèi)進(jìn)行訓(xùn)練。這些 GPU 非常昂貴,但是如果沒(méi)有他們訓(xùn)練深層網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)高性能,這在實(shí)際上并不可行。要有效使用這樣的高端 GPU,還需要快速的 CPU、SSD 存儲(chǔ)以及快速和大容量的 RAM。傳統(tǒng)的 ML 算法只需要一個(gè)體面的 CPU 就可以訓(xùn)練得很好,而不需要最好的硬件。由于它們?cè)谟?jì)算上并不昂貴,因此可以更快地迭代,并在更短的時(shí)間內(nèi)嘗試許多不同的技術(shù)。更容易理解:由于傳統(tǒng) ML 中涉及直接特征工程,這些算法很容易解釋和理解。此外,調(diào)整超參數(shù)并更改模型設(shè)計(jì)更加簡(jiǎn)單,因?yàn)槲覀儗?duì)數(shù)據(jù)和底層算法都有了更全面的了解。另一方面,深層網(wǎng)絡(luò)是“黑匣子”型,即使現(xiàn)在研究人員也不能完全了解深層網(wǎng)絡(luò)的“內(nèi)部”。由于缺乏理論基礎(chǔ)、超參數(shù)和網(wǎng)絡(luò)設(shè)計(jì)也是一個(gè)相當(dāng)大的挑戰(zhàn)。
- python機(jī)器學(xué)習(xí)筆記資料免費(fèi)下載 39次下載
- Bluetooth藍(lán)牙的詳細(xì)資料說(shuō)明 26次下載
- FANUC機(jī)器人的信號(hào)地址表詳細(xì)資料說(shuō)明 4次下載
- 機(jī)器學(xué)習(xí)教程之線性模型的詳細(xì)資料說(shuō)明 0次下載
- 機(jī)器學(xué)習(xí)的模型評(píng)估與選擇詳細(xì)資料說(shuō)明 0次下載
- 存儲(chǔ)器及接口設(shè)計(jì)的詳細(xì)資料說(shuō)明 17次下載
- emmc啟動(dòng)燒寫(xiě)的詳細(xì)資料說(shuō)明 26次下載
- 運(yùn)動(dòng)控制系統(tǒng)的學(xué)習(xí)課件詳細(xì)資料說(shuō)明 8次下載
- Protel DXP的常用快捷鍵詳細(xì)資料說(shuō)明 0次下載
- FPGA視頻教程之學(xué)習(xí)FPGA選擇verilog還是vhdl詳細(xì)資料說(shuō)明 24次下載
- Git軟件的安裝筆記的詳細(xì)資料說(shuō)明 0次下載
- 機(jī)器學(xué)習(xí)教程之機(jī)器學(xué)習(xí)10大經(jīng)典算法的詳細(xì)資料講解 25次下載
- 機(jī)器學(xué)習(xí)matlab源代碼的詳細(xì)資料免費(fèi)下載 31次下載
- 機(jī)器學(xué)習(xí)算法中的FSS算法詳細(xì)資料合集免費(fèi)下載 9次下載
- 機(jī)器學(xué)習(xí)算法中的ID3算法詳細(xì)資料合集免費(fèi)下載 5次下載
- MOS管學(xué)習(xí)的詳細(xì)資料說(shuō)明 3737次閱讀
- 固態(tài)鋰離子電池的詳細(xì)資料解析 8650次閱讀
- RS232接口串口取電電路的詳細(xì)資料介紹 7892次閱讀
- 如何進(jìn)行PLC控制程序的設(shè)計(jì)詳細(xì)資料PPT說(shuō)明 5755次閱讀
- 庫(kù)卡機(jī)器人模擬量輸入輸出編程的詳細(xì)資料概述 6625次閱讀
- PPT教程之伺服電機(jī)及其驅(qū)動(dòng)技術(shù)的詳細(xì)資料講解 7010次閱讀
- 什么是機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)到底有什么重要性詳細(xì)資料說(shuō)明 7607次閱讀
- 代碼實(shí)例及詳細(xì)資料帶你入門(mén)Python數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí) 3242次閱讀
- 機(jī)器學(xué)習(xí)是什么?10幅圖帶你詳細(xì)的了解機(jī)器學(xué)習(xí) 4854次閱讀
- 機(jī)器學(xué)習(xí)和深度學(xué)習(xí)要怎么學(xué)呢?機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的入門(mén)資料詳細(xì)整理 5426次閱讀
- 開(kāi)關(guān)電源的正激變換器基本工作原理及元器件如何選擇等詳細(xì)資料概述 1.3w次閱讀
- PLC常用基本環(huán)節(jié)梯形圖和詳細(xì)文字說(shuō)明詳細(xì)資料概述 8990次閱讀
- 變壓器保護(hù)的基本要求,保護(hù)配置和運(yùn)行規(guī)定的詳細(xì)資料概述 8514次閱讀
- 機(jī)器學(xué)習(xí)中的特征選擇的5點(diǎn)詳細(xì)資料概述 6893次閱讀
- 詳細(xì)的STM32單片機(jī)學(xué)習(xí)筆記 1.4w次閱讀
下載排行
本周
- 1電子電路原理第七版PDF電子教材免費(fèi)下載
- 0.00 MB | 1491次下載 | 免費(fèi)
- 2單片機(jī)典型實(shí)例介紹
- 18.19 MB | 95次下載 | 1 積分
- 3S7-200PLC編程實(shí)例詳細(xì)資料
- 1.17 MB | 27次下載 | 1 積分
- 4筆記本電腦主板的元件識(shí)別和講解說(shuō)明
- 4.28 MB | 18次下載 | 4 積分
- 5開(kāi)關(guān)電源原理及各功能電路詳解
- 0.38 MB | 11次下載 | 免費(fèi)
- 6100W短波放大電路圖
- 0.05 MB | 4次下載 | 3 積分
- 7基于單片機(jī)和 SG3525的程控開(kāi)關(guān)電源設(shè)計(jì)
- 0.23 MB | 4次下載 | 免費(fèi)
- 8基于AT89C2051/4051單片機(jī)編程器的實(shí)驗(yàn)
- 0.11 MB | 4次下載 | 免費(fèi)
本月
- 1OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 2PADS 9.0 2009最新版 -下載
- 0.00 MB | 66304次下載 | 免費(fèi)
- 3protel99下載protel99軟件下載(中文版)
- 0.00 MB | 51209次下載 | 免費(fèi)
- 4LabView 8.0 專(zhuān)業(yè)版下載 (3CD完整版)
- 0.00 MB | 51043次下載 | 免費(fèi)
- 5555集成電路應(yīng)用800例(新編版)
- 0.00 MB | 33562次下載 | 免費(fèi)
- 6接口電路圖大全
- 未知 | 30320次下載 | 免費(fèi)
- 7Multisim 10下載Multisim 10 中文版
- 0.00 MB | 28588次下載 | 免費(fèi)
- 8開(kāi)關(guān)電源設(shè)計(jì)實(shí)例指南
- 未知 | 21539次下載 | 免費(fèi)
總榜
- 1matlab軟件下載入口
- 未知 | 935053次下載 | 免費(fèi)
- 2protel99se軟件下載(可英文版轉(zhuǎn)中文版)
- 78.1 MB | 537793次下載 | 免費(fèi)
- 3MATLAB 7.1 下載 (含軟件介紹)
- 未知 | 420026次下載 | 免費(fèi)
- 4OrCAD10.5下載OrCAD10.5中文版軟件
- 0.00 MB | 234313次下載 | 免費(fèi)
- 5Altium DXP2002下載入口
- 未知 | 233046次下載 | 免費(fèi)
- 6電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191183次下載 | 免費(fèi)
- 7十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
- 158M | 183277次下載 | 免費(fèi)
- 8proe5.0野火版下載(中文版免費(fèi)下載)
- 未知 | 138039次下載 | 免費(fèi)
評(píng)論
查看更多