chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

電子發(fā)燒友App

硬聲App

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示
創(chuàng)作
電子發(fā)燒友網(wǎng)>電子資料下載>人工智能>一文了解人工智能的概念元素資料下載

一文了解人工智能的概念元素資料下載

2021-04-18 | pdf | 497.41KB | 次下載 | 10積分

資料介紹

人工???能的發(fā)展曾經(jīng)經(jīng)歷過(guò)幾次起起伏伏,近來(lái)在深度學(xué)習(xí)技術(shù)的推動(dòng)下又迎來(lái)了一波新的前所未有的高潮。近日,IBM 官網(wǎng)發(fā)表了一篇概述文章,對(duì)人工智能技術(shù)的發(fā)展過(guò)程進(jìn)行了簡(jiǎn)單梳理,同時(shí)還圖文并茂地介紹了感知器、聚類(lèi)算法、基于規(guī)則的系統(tǒng)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)的概念和原理。 人類(lèi)對(duì)如何創(chuàng)造智能機(jī)器的思考從來(lái)沒(méi)有中斷過(guò)。期間,人工智能的發(fā)展起起伏伏,有成功,也有失敗,以及其中暗藏的潛力。今天,有太多的新聞報(bào)道是關(guān)于機(jī)器學(xué)習(xí)算法的應(yīng)用問(wèn)題,從癌癥檢查預(yù)測(cè)到圖像理解、自然語(yǔ)言處理,人工智能正在賦能并改變著這個(gè)世界。 現(xiàn)代人工智能的歷史具備成為一部偉大戲劇的所有元素。在最開(kāi)始的 1950 年代,人工智能的發(fā)展緊緊圍繞著思考機(jī)器和焦點(diǎn)人物比如艾倫·圖靈、馮·諾伊曼,迎來(lái)了其第一次春天。經(jīng)過(guò)數(shù)十年的繁榮與衰敗,以及難以置信的高期望,人工智能及其先驅(qū)們?cè)俅螖y手來(lái)到一個(gè)新境界?,F(xiàn)在,人工智能正展現(xiàn)著其真正的潛力,深度學(xué)習(xí)、認(rèn)知計(jì)算等新技術(shù)不斷涌現(xiàn),且不乏應(yīng)用指向。 本文探討了人工智能及其子領(lǐng)域的一些重要方面。下面就先從人工智能發(fā)展的時(shí)間線(xiàn)開(kāi)始,并逐個(gè)剖析其中的所有元素。 現(xiàn)代人工智能的時(shí)間線(xiàn) 1950 年代初期,人工智能聚焦在所謂的強(qiáng)人工智能,希望機(jī)器可以像人一樣完成任何智力任務(wù)。強(qiáng)人工智能的發(fā)展止步不前,導(dǎo)致了弱人工智能的出現(xiàn),即把人工智能技術(shù)應(yīng)用于更窄領(lǐng)域的問(wèn)題。1980 年代之前,人工智能的研究一直被這兩種范式分割著,兩營(yíng)相對(duì)。但是,1980 年左右,機(jī)器學(xué)習(xí)開(kāi)始成為主流,它的目的是讓計(jì)算機(jī)具備學(xué)習(xí)和構(gòu)建模型的能力,從而它們可在特定領(lǐng)域做出預(yù)測(cè)等行為。 圖 1:現(xiàn)代人工智能發(fā)展的時(shí)間線(xiàn) 在人工智能和機(jī)器學(xué)習(xí)研究的基礎(chǔ)之上,深度學(xué)習(xí)在 2000 年左右應(yīng)運(yùn)而生。計(jì)算機(jī)科學(xué)家在多層神經(jīng)網(wǎng)絡(luò)之中使用了新的拓?fù)鋵W(xué)和學(xué)習(xí)方法。最終,神經(jīng)網(wǎng)絡(luò)的進(jìn)化成功解決了多個(gè)領(lǐng)域的棘手問(wèn)題。 在過(guò)去的十年中,認(rèn)知計(jì)算(Cognitive computing)也出現(xiàn)了,其目標(biāo)是打造可以學(xué)習(xí)并與人類(lèi)自然交互的系統(tǒng)。通過(guò)成功地?fù)魯?Jeopardy 游戲的世界級(jí)選手,IBM Watson 證明了認(rèn)知計(jì)算的價(jià)值。 在本文中,我將逐一探索上述的所有領(lǐng)域,并對(duì)一些關(guān)鍵算法作出解釋。 基礎(chǔ)性人工智能 1950 年之前的研究提出了大腦是由電脈沖網(wǎng)絡(luò)組成的想法,正是脈沖之間的交互產(chǎn)生了人類(lèi)思想與意識(shí)。艾倫·圖靈表明一切計(jì)算皆是數(shù)字,那么,打造一臺(tái)能夠模擬人腦的機(jī)器也就并非遙不可及。 上文說(shuō)過(guò),早期的研究很多是強(qiáng)人工智能,但是也提出了一些基本概念,被機(jī)器學(xué)習(xí)和深度學(xué)習(xí)沿用至今。 圖 2:1950 - 1980 年間人工智能方法的時(shí)間線(xiàn) 人工智能搜索引擎 人工智能中的很多問(wèn)題可以通過(guò)強(qiáng)力搜索(brute-force search)得到解決。然而,考慮到中等問(wèn)題的搜索空間,基本搜索很快就受影響。人工智能搜索的最早期例子之一是跳棋程序的開(kāi)發(fā)。亞瑟·塞繆爾(Arthur Samuel)在 IBM 701 電子數(shù)據(jù)處理機(jī)器上打造了第一款跳棋程序,實(shí)現(xiàn)了對(duì)搜索樹(shù)(alpha-beta 剪枝)的優(yōu)化;這個(gè)程序也記錄并獎(jiǎng)勵(lì)具體行動(dòng),允許應(yīng)用學(xué)習(xí)每一個(gè)玩過(guò)的游戲(這是首個(gè)自我學(xué)習(xí)的程序)。為了提升程序的學(xué)習(xí)率,塞繆爾將其編程為自我游戲,以提升其游戲和學(xué)習(xí)的能力。 盡管你可以成功地把搜索應(yīng)用到很多簡(jiǎn)單問(wèn)題上,但是當(dāng)選擇的數(shù)量增加時(shí),這一方法很快就會(huì)失效。以簡(jiǎn)單的一字棋游戲?yàn)槔?,游戲一開(kāi)始,有 9 步可能的走棋,每 1 個(gè)走棋有 8 個(gè)可能的相反走棋,依次類(lèi)推。一字棋的完整走棋樹(shù)包含 362,880 個(gè)節(jié)點(diǎn)。如果你繼續(xù)將這一想法擴(kuò)展到國(guó)際象棋或者圍棋,很快你就會(huì)發(fā)展搜索的劣勢(shì)。 感知器 感知器是單層神經(jīng)網(wǎng)絡(luò)的一個(gè)早期監(jiān)督學(xué)習(xí)算法。給定一個(gè)輸入特征向量,感知器可對(duì)輸入進(jìn)行具體分類(lèi)。通過(guò)使用訓(xùn)練集,網(wǎng)絡(luò)的權(quán)重和偏差可為線(xiàn)性分類(lèi)而更新。感知器的首次實(shí)現(xiàn)是 IBM 704,接著在自定義硬件上用于圖像識(shí)別。 圖 3:感知器與線(xiàn)性分類(lèi) 作為一個(gè)線(xiàn)性分類(lèi)器,感知器有能力解決線(xiàn)性分離問(wèn)題。感知器局限性的典型實(shí)例是它無(wú)法學(xué)習(xí)專(zhuān)屬的 OR (XOR) 函數(shù)。多層感知器解決了這一問(wèn)題,并為更復(fù)雜的算法、網(wǎng)絡(luò)拓?fù)鋵W(xué)、深度學(xué)習(xí)奠定了基礎(chǔ)。 聚類(lèi)算法 使用感知器的方法是有監(jiān)督的。用戶(hù)提供數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò),然后在新數(shù)據(jù)上對(duì)該網(wǎng)絡(luò)進(jìn)行測(cè)試。聚類(lèi)算法則是一種無(wú)監(jiān)督學(xué)習(xí)(unsupervised learning)方法。在這種模型中,算法會(huì)根據(jù)數(shù)據(jù)的一個(gè)或多個(gè)屬性將一組特征向量組織成聚類(lèi)。 圖 4:在一個(gè)二維特征空間中的聚類(lèi) 你可以使用少量代碼就能實(shí)現(xiàn)的最簡(jiǎn)單的聚類(lèi)算法是 k-均值(k-means)。其中,k 表示你為樣本分配的聚類(lèi)的數(shù)量。你可以使用一個(gè)隨機(jī)特征向量來(lái)對(duì)一個(gè)聚類(lèi)進(jìn)行初始化,然后將其它樣本添加到其最近鄰的聚類(lèi)(假定每個(gè)樣本都能表示一個(gè)特征向量,并且可以使用 Euclidean distance 來(lái)確定「距離」)。隨著你往一個(gè)聚類(lèi)添加的樣本越來(lái)越多,其形心(centroid,即聚類(lèi)的中心)就會(huì)重新計(jì)算。然后該算法會(huì)重新檢查一次樣本,以確保它們都在最近鄰的聚類(lèi)中,最后直到?jīng)]有樣本需要改變所屬聚類(lèi)。 盡管 k-均值聚類(lèi)相對(duì)有效,但你必須事先確定 k 的大小。根據(jù)數(shù)據(jù)的不同,其它方法可能會(huì)更加有效,比如分層聚類(lèi)(hierarchical clustering)或基于分布的聚類(lèi)(distribution-based clustering)。 決策樹(shù) 決策樹(shù)和聚類(lèi)很相近。決策樹(shù)是一種關(guān)于觀(guān)察(observation)的預(yù)測(cè)模型,可以得到一些結(jié)論。結(jié)論在決策樹(shù)上被表示成樹(shù)葉,而節(jié)點(diǎn)則是觀(guān)察分叉的決策點(diǎn)。決策樹(shù)來(lái)自決策樹(shù)學(xué)習(xí)算法,其中數(shù)據(jù)集會(huì)根據(jù)屬性值測(cè)試(attribute value tests)而被分成不同的子集,這個(gè)分割過(guò)程被稱(chēng)為遞歸分區(qū)(recursive partitioning)。 考慮下圖中的示例。在這個(gè)數(shù)據(jù)集中,我可以基于三個(gè)因素觀(guān)察到某人是否有生產(chǎn)力。使用一個(gè)決策樹(shù)學(xué)習(xí)算法,我可以通過(guò)一個(gè)指標(biāo)來(lái)識(shí)別屬性(其中一個(gè)例子是信息增益)。在這個(gè)例子中,心情(mood)是生產(chǎn)力的主要影響因素,所以我根據(jù) Good Mood 一項(xiàng)是 Yes 或 No 而對(duì)這個(gè)數(shù)據(jù)集進(jìn)行了分割。但是,在 Yes 這邊,還需要我根據(jù)其它兩個(gè)屬性再次對(duì)該數(shù)據(jù)集進(jìn)行切分。表中不同的顏色對(duì)應(yīng)右側(cè)中不同顏色的葉節(jié)點(diǎn)。 圖 5:一個(gè)簡(jiǎn)單的數(shù)據(jù)集及其得到的決策樹(shù) 決策樹(shù)的一個(gè)重要性質(zhì)在于它們的內(nèi)在的組織能力,這能讓你輕松地(圖形化地)解釋你分類(lèi)一個(gè)項(xiàng)的方式。流行的決策樹(shù)學(xué)習(xí)算法包括 C4.5 以及分類(lèi)與回歸樹(shù)(Classification and Regression Tree)。 基于規(guī)則的系統(tǒng) 最早的基于規(guī)則和推理的系統(tǒng)是 Dendral,于 1965 年被開(kāi)發(fā)出來(lái),但直到 1970 年代,所謂的專(zhuān)家系統(tǒng)(expert systems)才開(kāi)始大行其道?;谝?guī)則的系統(tǒng)會(huì)同時(shí)存有所需的知識(shí)的規(guī)則,并會(huì)使用一個(gè)推理系統(tǒng)(reasoning system)來(lái)得出結(jié)論。 基于規(guī)則的系統(tǒng)通常由一個(gè)規(guī)則集合、一個(gè)知識(shí)庫(kù)、一個(gè)推理引擎(使用前向或反向規(guī)則鏈)和一個(gè)用戶(hù)接口組成。下圖中,我使用了知識(shí)「蘇格拉底是人」、規(guī)則「如果是人,就會(huì)死」以及一個(gè)交互「誰(shuí)會(huì)死?」 圖 6:基于規(guī)則的系統(tǒng) 基于規(guī)則的系統(tǒng)已經(jīng)在語(yǔ)音識(shí)別、規(guī)劃和控制以及疾病識(shí)別等領(lǐng)域得到了應(yīng)用。上世紀(jì) 90 年代人們開(kāi)發(fā)的一個(gè)監(jiān)控和診斷大壩穩(wěn)定性的系統(tǒng) Kaleidos 至今仍在使用。 機(jī)器學(xué)習(xí) 機(jī)器學(xué)習(xí)是人工智能和計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域,也有統(tǒng)計(jì)學(xué)和數(shù)學(xué)優(yōu)化方面的根基。機(jī)器學(xué)習(xí)涵蓋了有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)領(lǐng)域的技術(shù),可用于預(yù)測(cè)、分析和數(shù)據(jù)挖掘。機(jī)器學(xué)習(xí)不限于深度學(xué)習(xí)這一種。但在這一節(jié),我會(huì)介紹幾種使得深度學(xué)習(xí)變得如此高效的算法。 圖 7:機(jī)器學(xué)習(xí)方法的時(shí)間線(xiàn) 反向傳播 神經(jīng)網(wǎng)絡(luò)的強(qiáng)大力量源于其多層的結(jié)構(gòu)。單層感知器的訓(xùn)練是很直接的,但得到的網(wǎng)絡(luò)并不強(qiáng)大。那問(wèn)題就來(lái)了:我們?nèi)绾斡?xùn)練多層網(wǎng)絡(luò)呢?這就是反向傳播的用武之地。
下載該資料的人也在下載 下載該資料的人還在閱讀
更多 >

評(píng)論

查看更多

下載排行

本周

  1. 1電子電路原理第七版PDF電子教材免費(fèi)下載
  2. 0.00 MB  |  1491次下載  |  免費(fèi)
  3. 2單片機(jī)典型實(shí)例介紹
  4. 18.19 MB  |  95次下載  |  1 積分
  5. 3S7-200PLC編程實(shí)例詳細(xì)資料
  6. 1.17 MB  |  27次下載  |  1 積分
  7. 4筆記本電腦主板的元件識(shí)別和講解說(shuō)明
  8. 4.28 MB  |  18次下載  |  4 積分
  9. 5開(kāi)關(guān)電源原理及各功能電路詳解
  10. 0.38 MB  |  11次下載  |  免費(fèi)
  11. 6100W短波放大電路圖
  12. 0.05 MB  |  4次下載  |  3 積分
  13. 7基于單片機(jī)和 SG3525的程控開(kāi)關(guān)電源設(shè)計(jì)
  14. 0.23 MB  |  4次下載  |  免費(fèi)
  15. 8基于A(yíng)T89C2051/4051單片機(jī)編程器的實(shí)驗(yàn)
  16. 0.11 MB  |  4次下載  |  免費(fèi)

本月

  1. 1OrCAD10.5下載OrCAD10.5中文版軟件
  2. 0.00 MB  |  234313次下載  |  免費(fèi)
  3. 2PADS 9.0 2009最新版 -下載
  4. 0.00 MB  |  66304次下載  |  免費(fèi)
  5. 3protel99下載protel99軟件下載(中文版)
  6. 0.00 MB  |  51209次下載  |  免費(fèi)
  7. 4LabView 8.0 專(zhuān)業(yè)版下載 (3CD完整版)
  8. 0.00 MB  |  51043次下載  |  免費(fèi)
  9. 5555集成電路應(yīng)用800例(新編版)
  10. 0.00 MB  |  33562次下載  |  免費(fèi)
  11. 6接口電路圖大全
  12. 未知  |  30320次下載  |  免費(fèi)
  13. 7Multisim 10下載Multisim 10 中文版
  14. 0.00 MB  |  28588次下載  |  免費(fèi)
  15. 8開(kāi)關(guān)電源設(shè)計(jì)實(shí)例指南
  16. 未知  |  21539次下載  |  免費(fèi)

總榜

  1. 1matlab軟件下載入口
  2. 未知  |  935053次下載  |  免費(fèi)
  3. 2protel99se軟件下載(可英文版轉(zhuǎn)中文版)
  4. 78.1 MB  |  537793次下載  |  免費(fèi)
  5. 3MATLAB 7.1 下載 (含軟件介紹)
  6. 未知  |  420026次下載  |  免費(fèi)
  7. 4OrCAD10.5下載OrCAD10.5中文版軟件
  8. 0.00 MB  |  234313次下載  |  免費(fèi)
  9. 5Altium DXP2002下載入口
  10. 未知  |  233046次下載  |  免費(fèi)
  11. 6電路仿真軟件multisim 10.0免費(fèi)下載
  12. 340992  |  191183次下載  |  免費(fèi)
  13. 7十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
  14. 158M  |  183277次下載  |  免費(fèi)
  15. 8proe5.0野火版下載(中文版免費(fèi)下載)
  16. 未知  |  138039次下載  |  免費(fèi)