深度学习第一章 | 昕昕-未来不是梦

type

status

date

slug

summary

1.1 人工智能、机器学习与深度学习

1.1.1 人工智能简介

1、人工智能：是研究、开发用于模拟、延申和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学

2、人工智能的目的：计算机能够像人一样思考

3、包括：机器人、语言识别、图像识别、自然语言处理和专家系统

4、分类

（1）强人工智能：使机器学习人的理解、学习和执行任务的能力

（2）弱人工智能：指用于自动化特定任务的软件

1.1.2 机器学习简介

1、广义概念：从已知数据中获得规律，并利用规律对未知数据进行预测的方法

2、可用于：自然语言处理、图像识别、生物信息学以及风险预测，已再工程学、经济学以及心理学等多个领域

3、机器学习是一种统计学习方法，机器人和计算机等机器需要使用大量数据进行学习，从而提取出所需的信息

4、机器学习分类：

（1）监督学习需要为机器提供一组标记数据。有监督学习通过训练，从标记数据中提取通用信息或特征信息，以此得到预测模型

①在分类中，机器被训练成将一个组划分为特定的类，例如电子邮件上的垃圾邮件过滤器

②在回归中，机器使用先前已标记的数据来预测未来，如预测未来天气

（2）无监督学习

①聚类用于根据属性和行为对象进行分组。这与分类不同，因为这些组，不是人为提供的

②降维，通过找到共同点来减少数据集的变量，大多数大数据可视化使用降维来识别趋势和规则

1.1.3 深度学习简介

1、深度学习就是一种利用深度人工神经网络来进行自动分类、预测和学习的技术

2、人工神经网络是一种人类由于受到生物神经细胞结构启发而研究出的算法体系

3、人工智能、机器学习、深度学习的关系：

1.2 深度学习的三大核心要素

1.2.1 大数据

1.2.2 深度网络架构

即整个网络体系的构建方式和拓扑接结构，常见：全连接网络、卷积神经网络、循环神经网络和生成对抗网络

1.2.3 高性能的计算力

GPU

1.3 神经元与深度神经网络

1、人体的神经元包括树突、细胞核和轴突

2、人工神经网络中的神经元模型包含输入、计算和输出三部分

3、输入模拟神经元的树突，输出模拟神经元的轴突，计算模拟细胞核

1.4 神经网络中常用的激励函数

1、Sigmoid函数

2、tanh函数

3、ReLu函数

5、Leaky ReLu函数

6、Maxout函数

1.5 深度学习强大的原因

1、不再使用提取特征

2、处理线性不可分能力强

1.6 常见的深度学习框架

1、pytorch

2、Tensorflow

3、Caffe