其他分享
首页 > 其他分享> > 人工智能发展的关键技术

人工智能发展的关键技术

作者:互联网

人工智能,机器学习,神经网络,深度学习的相互关系

image-20200219170426410

机器学习

image-20200219170454508

强化学习 也称为增强学习,通过与环境进行交互来学习解决问题的策略的一类算法。与有监督、无监督学习不同,强化学习问题并没有明确的“正确的”动作监督信号,算法需要与环境进行交互,获取环境反馈的滞后的奖励信号,因此并不能通过计算动作与“正确动作”之间的误差来优化网络。常见的强化学习算法有 DQN,PPO 等。

神经网络发展史

浪潮 代表人物 代表技术 进入低谷的原因
第一次 Warrent McCulloch,Walter Pitts MP神经元模型 无法解决XOR问题
43-69 Frank Rosenblatt Mark1 感知机
第二次 John Hopfild Hopfild 网络 神经网络缺乏完备的理论支持,效果又不如SVM
82-95 David Rumelhart 和 Geoffrey Hinton CNN,RNN,BP算法
Yann LeCun BP算法应用于图像识别
Jürgen Schmidhuber LSTM
第三次 Geoffrey Hinton 多层神经网络/deep learning 兴起的原因:数据量和算力的提高
06- Xavier Glorot ReLU激活函数
Alex Krizhevsky AlexNet/Dropout
牛津大学Oxford Visual Geometry Group VGG
Google GooLeNet
HeKaiMing ResNet
Gao Huang,Zhuang Liu DenseNet
Ian Goodfellow GAN
DeepMind DQN
Google BERT

浅层神经网络的时间发展线

image-20200219173024397

深层神经网络的时间发展线

image-20200219173125967

TensorFlow 深度学习框架的 3 大核心功能

a) 加速计算 ,充分利用GPU

image-20200219182413815

b) 自动梯度

c) 常用神经网络接口

标签:发展,人工智能,算法,学习,Geoffrey,神经网络,BP,关键技术,DQN
来源: https://www.cnblogs.com/Alexkk/p/12335256.html