在线客服
扫描二维码
下载博学谷APP扫描二维码
关注博学谷微信公众号
通常人们提到人工智能的基础概念是什么?其实人工智能涉及的内容非常广泛,从数学到计算机科学。想要学习人工智能的小伙伴要明白很多的基础知识,在这里小编会将人工智能的基础概念做一个总结梳理。
1、人工智能
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作,比如语音识别、图像识别,甚至象棋、围棋等。人工智能最近这几年发展非常迅速,谷歌的人工智能机器人AlphaGo轻松击败人类九段围棋高手,而且谷歌开源了其人工智能平台。像Fackbook,IBM等科技公司纷纷大力发展人工智能领域在自动驾驶、图像识别、语音识别等领域。
2、人工神经网络
人工智能的实现,很大一部分是基于人工神经网络。人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。人工神经网络系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成,具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。误差反向传播算法,是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数,基本的结构由非线性变化单元组成,具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定,灵活性很大,在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。
3、BP神经网络
BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用梯度下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer)。
4、梯度下降法
梯度下降法是一个最优化算法,通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一,虽然现在已经不具有实用性,但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的,最速下降法越接近目标值,步长越小,前进越慢。函数的梯度是一个函数变化的速率,这里的负梯度方向搜索即向着梯度越来越小的方向搜索,这里涉及到一些高等数据的基础知识。
5、卷积神经网络
卷积神经网络是人工神经网络的一种,已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络,降低了网络模型的复杂度,减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显,使图像可以直接作为网络的输入,避免了传统识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别二维形状而特殊设计的一个多层感知器,这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性。
卷积神经网络是一种特殊的深层的神经网络模型,它的特殊性体现在两个方面,一方面它的神经元间的连接是非全连接的, 另一方面同一层中某些神经元之间的连接的权重是共享的(即相同的)。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络,降低了网络模型的复杂度(对于很难学习的深层结构来说,这是非常重要的),减少了权值的数量。
回想一下BP神经网络。BP网络每一层节点是一个线性的一维排列状态,层与层的网络节点之间是全连接的。这样设想一下,如果BP网络中层与层之间的节点连接不再是全连接,而是局部连接的。这样,就是一种最简单的一维卷积网络。如果我们把上述这个思路扩展到二维,这就是我们在大多数参考资料上看到的卷积神经网络。
6、机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
7、深度学习
深度学习(英语:deep learning)是机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。 深度学习是机器学习中表征学习(英语:learning representation)方法的一类。一个观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更加容易地从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处之一是将用非监督式或半监督式(英语:Semi-supervised learning)的特征学习(英语:Feature learning)和分层特征提取的高效算法来替代手工获取特征(英语:Feature (machine learning))。
以上就是人工智能的基础概念,想要学习人工智能的小伙伴都了解了吗?考虑到人工智能学习的复杂性,大家最好还是报培训班好好系统的学习基础知识,不然后面深入人工智能的学习将会遇到困难,降低学习效率。
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
北京Java培训机构如何挑选比较靠谱?
随着当前IT培训市场的火爆,不少的人打着IT培训的幌子来坑骗学生的钱。那么我们该如何辨别出这些IT培训机构呢?尤其是不少学生为了接收到最前沿的Java开发技术,不远千里来到北京,那么北京Java培训机构如何挑选比较靠谱呢?这是很多想要学Java的人共同面对的难题。下面小编就教大家在这些五花八门的IT培训机构中挑出靠谱的机构。
4611
2019-09-29 14:26:36
人工智能与智能控制是什么关系?
随着人工智能的爆发式崛起,智能控制也被频繁地提及,许多人常常分不清人工智能和智能控制的定义,两者的概念似乎差不太多,真的是这样吗?人工智能与智能控制到底是什么关系?其实人工智能与智能控制既相互区别又彼此联系,简单来说,智能控制是人工智能的关键技术和具体应用。
16435
2019-10-30 11:01:57
为什么Google是人工智能发展的主要动力?
Google一直以来都走在人工智能开发浪潮的最前沿,目前引领着人工智能技术的应用。可以说,谷歌的核心技术就是AI的机器学习和神经网络。那么为什么Google是人工智能发展的主要动力?主要是由于谷歌投资了大量资金在云平台能够高效运作的硬件开发上。下面我们来详细分析Google在人工智能开发上做出的努力和贡献。
8204
2019-11-18 19:15:55
如何从零开始学习人工智能?
如何从零开始学习人工智能?并非零基础的人就不能够学习人工智能,以下推荐的方法和书籍都能帮你找到学习人工智能的方法,提高学习效率,少走弯路。
5590
2020-06-17 16:36:28
人工智能学什么课程?掌握到什么程度?
零基础AI入门课,从人工智能基础概念到Python编程基础和数据科学库Numpy,从线性回归,逻辑回归,梯度下降等机器学习算法的逻辑推导,求解到使用编程实现数学原理,并用于解决实际生活问题,由浅入深进人工智能领域。
4846
2020-07-30 14:04:04