인공 지능
연구는 지적인 사람들의 컴퓨터 시뮬레이션, 확장 및 확장 기술 과학을 할 수 있습니다. 사람보다 빠른 결과를 산출 할 수 주로 기계 학습에 많은 양의 데이터에서 파생 된이 내 눈에서 큰 데이터 일 수있다.
아마도 인공 지능의 수준 모델링에 다음 더 큰 데이터 분석 결과, 그리고 그것이라고! 나는 아직도 얕은 이해뿐만 아니라 많은 조언, 자기 연구 노트가 요약하는 것은 쉽지 않다.
기계 학습
알고리즘이나 논리의 사용인가, 많은 양의 데이터를 통해 실제 사건에 모델, 의사 결정 및 예측 모델을 생성 (학습 과정을 교육하는 작업을 수행하는 방법이다 데이터로부터 학습)을 계산.
1. 기계 학습 알고리즘은지도 학습 (예 : 분류 등), 자율 학습 (클러스터링 등), 반지도 학습으로 분할 될 수있어서 점을 학습 시스템 온.
2. 기존의 알고리즘은 K-인접한 알고리즘, 의사 결정 나무, 베이지안 분류, 클러스터링, 서포트 벡터 머신을 포함한다.
깊이 연구
인공 신경망은 숨겨진 복수의 층 (깊이 신경 네트워크)을 포함하는 뉴럴 네트워크 구조, 최적화 방법에 의해 연결되고, 신경 세포 활성화 기능 등, 트레이닝 효율을 향상시키기 위해 실제 이벤트 모델에 의해 만들어진 모델을 생성 한 후 의사 결정 및 예측.
기계 학습과의 깊은 학습과의 관계
기계 학습 인공 지능을 구현하기위한 방법이다. 깊은 학습 기술 (새로운 알고리즘) 기계 학습의 구현입니다.
기계 학습과 깊은 학습의 비교
1, 응용 프로그램 시나리오 : 시나리오
지문에서 기계 학습의 응용 프로그램, 오브젝트의 특징은, 검출 필드는 실질적으로 상업 요구 사항을 얻을 수있다.
깊은 학습은 주로 기술적, 의미 분석, 지능형 모니터링, 문자 인식의 분야에서 사용 직면한다. 빠른 레이아웃은 스마트 하드웨어, 교육, 의료 및 기타 산업에서 현재도이다.
2 데이터 종속성
기계 학습은 데이터의 양, 현장의 데이터 특히 적은 양에 적응할 수 있습니다. 이 경우, 기존의 기계 학습 알고리즘이 규칙 결정을 사용하여 성능이 더 좋을 것이다.
깊이 학습 알고리즘의 성능이 좋지 않아, 몇 가지 데이터 볼륨이있는 경우 정밀 깊이 학습, 훈련 많은 데이터를 필요로한다.
3 하드웨어 의존적
학습 알고리즘 깊이는 GPU가 작업해야 하드웨어에 학습의 깊이가 있으므로, GPU는 주로 효율성 행렬 연산을 최적화하는 데 사용됩니다 행렬 연산을 많이 필요로한다.
기계 관련 하드웨어 구성 요구 사항을 학습 깊은 학습은 그렇게 높지 않다!
4, 훈련 알고리즘 시간
포함 된 매개 변수가 많이 있기 때문에 깊이 학습 알고리즘은, 이상 2 주 소비 할 수있는 교육 시간을 완료하는 시간 훈련을 많이 필요로하고!
기계 학습이 소비를 상대적으로 적은 시간을 교육, 몇 시간에 몇 초를 필요로한다.
5, 예측 시간
깊은 학습 알고리즘의 예측 시간은 기계 학습에 비해 실행하는 데 약간의 시간이 필요합니다.
6, 문제 해결책
알고리즘을 학습 기계 문제를 해결하기 위해 표준 절차를 따라야합니다. 그런 다음 다음 결과가 필요한 답을 얻기 위해 결합되어, 개별적으로 해결, 여러 부분 문제로 분할됩니다.
깊이 연구 장소 문제에 대한 엔드 솔루션에 직접 말을 요구하는 문제를 분리 할 필요없이 문제를 해결하는 방법을 중앙 집중식.
7 해석 가능성
깊은 학습은 사람들의 기준에 가까이 도달 할 수 있지만, 여전히 문제이다. 보기의 수학 지점에서, 당신은 깊은 신경 네트워크 노드가 활성화되는 것을 확인할 수 있습니다. 그러나 우리는 모델 뉴런, 우리는 이러한 신경 세포 층이 함께 어떻게 해야할지 무엇을해야하는지 모르겠어요. 그래서 결과가 생산하는 방법을 설명 할 수 없다.
기계 학습 알고리즘이 쉽게 뒤에 그래서 이유를 설명하기 위해, 명확한 규칙이 제공됩니다.
(8) 상기 처리
성능 기계 학습 알고리즘의 정확도 추출 기능에 따라 달라집니다 및 기능을 데이터 처리, 당신은보다 전문적인 지식, 그리고 매우 시간이 많이 필요합니다.
취득의 높은 수준까지의 깊이 연구 시도는, 직접 데이터에서 각 문제 기능 추출기 설계 작업의 절단 깊이 연구를하고 있습니다.
기계 학습과 깊은 학습 프로그램
1, 번호판 인식과 얼굴 인식 애플리케이션 컴퓨터 비전.
도 2와 같은 정보 검색, 검색 엔진과 같은 애플리케이션 - 텍스트 검색, 이미지 검색을 포함하는 방법.
자동 표적 인식 및 이메일 마케팅 및 다른 그룹의 마케팅 3. 응용 프로그램.
암과 같은 4, 의료 진단 애플리케이션과 같은 이상 검출 또는를 식별합니다.
도 5와 같은 프로그램 및 감정 분석 사진 태그 등 자연어 처리.
6, 무인.
개요
지문 인식, 얼굴 인식 및 기타 분야에서 기계 학습 알고리즘의 응용 프로그램은 기본적으로 상업화 또는 특정 장면의 요구 사항의 상용화 수준에 도달하지만, 더 깊은 학습 알고리즘까지, 모든 프런트 매우 어려운, 인공 지능이 발생하기 시작 무인 예방 건강 관리 : 지역과 같은 인공 지능을 계속 확장! 깊이 연구는 매우 일찍 나타 났지만 최종 결과가 만족되지 않도록, 전원 뒤에 컴퓨팅, 데이터를 훈련의 부족 금액이 있었기 때문에. 모델을 학습 깊이 마법의 효과를 보여주기 위해 데이터를 훈련이 많이 필요합니다!