人工智能、机器学习和模式识别以及神经网络
作者:互联网
人工智能
人工智能是一个比较宽泛的概念,它指的就是机器能像人类一样思考和行动。
机器学习
机器学习是实现人工智能的一种方法。机器学习最成功的应用领域是计算机视觉。机器学习通过训练模型,以主动学习的方式得到处理数据的方法。
机器学习有三类:监督学习、无监督学习和强化学习
监督学习可分为二分类和回归
无监督学习可分为聚类和主成分
强化学习就是将智能体放入一个环境中进行学习,比如智能体走迷宫,智能体踢足球什么的
模式识别
模式识别一般用于数据分类,比如工厂中需要将打捞上来的鲑鱼和鲤鱼分开。其标签是给定的,比如长得长于30cm的是鲑鱼,短于30cm的是鲤鱼
相似特征的模式可归为一个模式类,模式类的可分性有线性可分、非线性可分、高度相关特征以及多默特特征
分类器的决策边界有线性决策边界、二次决策边界以及复杂决策边界
神经网络
当机器学习中的模型有多层时,就有了神经网络。
梯度下降的定义
梯度下降问题就是沿着导数下降的地方移动,直到某点梯度最小,这个时候就达到了最优解
多变量的梯度下降问题
神经网络中遇到的问题是多变量的最优解,即多变量的梯度为零的解
局部最优和全局最优问题
通常,我们求得的最优解不一定是全局最优解,其可能只是局部最优解。
他们之间的关系
人工智能>机器学习>模式识别>神经网络
标签:机器,人工智能,模式识别,学习,神经网络,梯度,最优 来源: https://blog.csdn.net/qq_37837061/article/details/123187072