人工智能(AI)的模式识别、机器学习和深度学习

模式识别(pattern recognition)、机器学习(machine learning)和深度学习(deep learning)代表三种不同的思想流派。模式识别是最古老的(作为一个术语而言,可以说是很过时的)。机器学习是最基础的(当下初创公司和研究实验室的热点领域之一)。而深度学习是非常崭新和有影响力的前沿领域,我们甚至不会去思考后深度学习时代。

模式识别一开始主要是作为机器学习的代名词,模式学习正在日渐式微没落消亡;机器学习就像是一个真正的冠军一样持续昂首而上;深度学习是个崭新的和快速攀升的领域。

下面分别叙述。

1. 模式识别
要想知道什么叫做模式识别,那就要先了解什么叫做模式。模式指用来说明事物结构的主观理性形式,是从生产经验和生活经验中经过抽象和升华提炼出来的核心知识体系。模式识别指的是对表征事物或现象的各种形式的信息进行处理和分析,从而达到对事物或现象进行描述、辨认、分类和解释的目的。

2. 机器学习
不同于模式识别中人类主动去描述某些特征给机器,机器学习可以这样理解:机器从已知的经验数据(样本)中,通过某种特定的方法(算法),自己去寻找提炼(训练/学习)出一些规律(模型);提炼出的规律就可以用来判断一些未知的事情(预测)。

也就是说,模式识别和机器学习的区别在于:前者喂给机器的是各种特征描述,从而让机器对未知的事物进行判断;后者喂给机器的是某一事物的海量样本,让机器通过样本来自己发现特征,最后去判断某些未知的事物。

在机器学习中,机器根据某一事物的海量样本,总结出这一类型事物所具有的普遍规律,总结过程所使用的技能就是我们常说的算法。当足够多的样本使得算法能够总结出一套行之有效的规律后,机器就可以用这些规律对真实世界中的事件做出决策和预测。

值得一提的是,在机器学习中,尽管电脑可以自行通过样本总结规律,但是依旧需要人工干预来为其提供规律的方向以及维度,例如色彩识别需要统计色彩的RGB或者CMYK值。

在机器学习领域有着许多不同的流派,不同流派间的算法与建构的模型也是千差万别。最常见的两种模型分别为符号主义所使用的决策树模型和联结主义所使用的神经网络模型,每种又分别有着相应的多种算法。

在人工智能领域,模式识别虽然已经日渐式微,但是它依旧有其独特的作用。例如在一些简单的色彩识别领域,参数维度相对单一,界定也相对明显,如果用大数据去建模计算,无疑是一种大才小用。闻道有先后,术业有专攻,不同的算法,可以在不同领域发挥各自的效用。

3. 深度学习
深度学习强调的是你使用的模型(例如深度卷积多层神经网络),模型中的参数通过从数据中学习获得。然而,深度学习也带来了一些其他需要考虑的问题。因为你面对的是一个高维的模型(即庞大的网络),所以你需要大量的数据(大数据)和强大的运算能力(图形处理器,GPU)才能优化这个模型。
在深度学习的模型中,受宠爱最多的就是被用在大规模图像识别任务中的卷积神经网络(Convolutional Neural Nets,CNN),简称ConvNets。卷积被广泛用于深度学习(尤其是计算机视觉应用中),而且它的架构往往都是非浅层的。

参考:

https://baijiahao.baidu.com/s?id=1597159183746168684&wfr=spider&for=pc

https://www.xianjichina.com/news/details_84224.html

人工智能(AI)的模式识别、机器学习和深度学习相关推荐

  1. 人工智能、神经网络、机器学习、深度学习的区别

    人工智能.神经网络.机器学习.深度学习是学习神经网络的时候经常会遇到的专业词汇,但是很多人可能不太了解他们的区别. 人工智能 人工智能是一个比较大的概念,相信有很多人看过一部电影<人工智能> ...

  2. k均值例子 数据挖掘_人工智能、数据挖掘、机器学习和深度学习的关系

    一.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. 实际应用比如:机器视觉,指纹识别,人脸识别,视网膜识别,虹膜识别,掌纹识 ...

  3. 人工智能、数据挖掘、机器学习和深度学习之间,主要有什么关系?

    一.人工智能 人工智能(Artificial Intelligence),英文缩写为AI.它是研究.开发用于模拟.延伸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. 人工智能是计算机科 ...

  4. AI基础:机器学习和深度学习的练习数据

    0.导语 初学者学习机器学习和深度学习的时候,经常会找不到练习的数据,本文提供了获取数据的一些方法. 目前我在编写AI基础系列,目前已经发布: AI 基础:简易数学入门 AI 基础:Python开发环 ...

  5. 人工智能的未来:机器学习和深度学习的发展趋势

    人工智能作为计算机科学领域的一个热门话题,近年来得到了越来越多的关注和研究.其中,机器学习和深度学习作为人工智能领域的两个重要分支,更是备受关注.本文将介绍机器学习和深度学习的基本概念,以及它们在人工 ...

  6. 人工智能:为什么很多机器学习和深度学习的论文复现不了?

    吴恩达老师曾经说过,看一篇论文的关键,是复现作者的算法. 然而,很多论文根本就复现不了,这是为什么呢? 一.数据关系 因为作者使用的数据比较私密,一般人拿不到,这种情况下,即使作者提供了源代码,但是读 ...

  7. 翻译:5分钟介绍AI人工智能,机器学习和深度学习

    术语"人工智能"已经浮动了一段时间.我们在科幻电影,我们与之对抗的" AI"游戏机器人,谷歌搜索以及哦,是的,那些有一天要占领世界的机器人中看到了这一点.但是, ...

  8. 机器学习和深度学习到底先学哪个?

    最近几年,我看过市面上很多 Python和人工智能的教程,基本都是先介绍Python基本语法,然后学习机器学习.深度学习的常用算法...... 但我与赵辛和褚英昊两位AI博士沟通后发现:这些内容看似合 ...

  9. 认识:人工智能AI 机器学习 ML 深度学习DL

    人工智能 人工智能(Artificial Intelligence),英文缩写为AI.它是研究.开发用于模拟.延伸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. 人工智能是对人的意识. ...

最新文章

  1. Linux shell 学习笔记(16)— shell 入门总结
  2. CSSFriendlyAdapter 的一个Bug
  3. 高通 8x12 添加 TP和按键
  4. 数仓 调度_网易实时数仓实践
  5. Node.js对MongoDB进行增删改查操作
  6. linux中如何复制文件并重命名_linux 下怎么复制一个文件到另外一个目录并且重命名...
  7. Go 在 TiDB 的实践
  8. android的CursorLoader用法小结
  9. 数据预处理—8.属性归约之主成分分析(理论及python实现)
  10. 【pygame游戏编程】第四篇-----打字测速游戏
  11. 十个免费的 Web 压力测试工具
  12. 读书笔记 - 《盖洛普优势识别器2.0》
  13. 浅谈临床研究中随机化
  14. C#开发浏览器谷歌内核
  15. 【游戏设计模式】之 《游戏编程模式》全书内容提炼总结
  16. Verilog训练笔记(1)——非重叠序列检测
  17. 使用selenium爬取智联招聘
  18. Ceph用户:中国用户统计表(2018年度)
  19. 博士之死背后异化的师生关系
  20. 4月10日服务器例行维护公告,4月10日服务器例行维护公告(已完成)

热门文章

  1. TTS | 语音合成常见数据集及数据格式详情
  2. 网络阅读,为什么人会浮躁?
  3. ctfshow 网络迷踪 all 笔记(同步更新)
  4. 教育部拔尖计划计算机专业的高校,关注:首批国家“拔尖计划”2.0名单公布,多所高校入选...
  5. 信息通信研究院徐志发:区块链金融的“一升一降三创新” | 数博会2017
  6. wifi信道就是频段吗?,频段带宽又是什么?
  7. ASK-101-准备工作
  8. 全网最全Unity面试题加强版之八《图形学相关》
  9. redmi ax6000 官方固件 ssh 安装alist
  10. ncloth气球充气升空