Tensorflow 简明教程

Understanding Artificial Intelligence

人工智能包括机器和特定计算机系统对人类智能进行模拟的过程。人工智能的示例包括学习、推理和自我纠正。人工智能的应用包括语音识别、专家系统、图像识别和机器视觉。

机器学习是人工智能的一个分支,它处理能够学习任何新数据和数据模式的系统和算法。

让我们关注以下提到的韦恩图来理解机器学习和深度学习概念。

venn diagram

机器学习包括机器学习的一部分,深度学习是机器学习的一部分。遵循机器学习概念的程序的能力是可以改善其观测数据执行。数据转换的主要动机是改进其知识,以便在未来实现更好的结果,为特定系统提供更接近所需输出的输出。机器学习包括“模式识别”,它包括在数据中识别模式的能力。

这些模式应该过训练以所需的方式显示输出。

机器学习可以用两种不同的方式进行训练−

  1. Supervised training

  2. Unsupervised training

Supervised Learning

监督式学习或监督式训练包括将训练集作为输入提供给系统的过程,其中每个示例都带有所需输出值的标签。通过最大程度减小特定损失函数(它表示输出错误相对于所需的输出系统)来执行此类型的训练。

在完成训练后,将通过训练集中的不相交示例(也称为验证集)来测量每个模型的准确性。

supervised learning

“监督式学习”的最佳示例是一堆包含附加信息的图片。在这里,用户可以训练模型来识别新图片。

Unsupervised Learning

在无监督学习或无监督训练中,包括未通过系统标记他们所属类的训练示例。系统寻找具有共同特征的数据,并根据内部知识特征对其进行更改。这种类型的学习算法基本上用于聚类问题。

“无监督学习”的最佳示例是一堆没有包含信息的图片,用户使用分类和聚类对模型进行训练。这种类型的训练算法是基于假设的,因为没有提供信息。

unsupervised learning