柚子快報邀請碼778899分享：機器學(xué)習(xí) 人工智能技術(shù)概述

http://yzkb.51969.com/

1.機器學(xué)習(xí)定義

? ? ? ? 廣義上來說，機器學(xué)習(xí)指專門研究計算機怎么模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為以獲取新的知識或技能的學(xué)科，使計算機重新組織已有的組織結(jié)構(gòu)并不斷改善自身的性能。更加精確地說，一個機器學(xué)習(xí)的程序就是可以從經(jīng)驗數(shù)據(jù)E中對任務(wù)T進行學(xué)習(xí)的算法，它在任務(wù)T的性能度量P會隨著對于經(jīng)驗數(shù)據(jù)E的學(xué)習(xí)而便得更好。

2.機器學(xué)習(xí)分類

? ? ? ? 首先，按照學(xué)習(xí)模式的不同，機器學(xué)習(xí)可分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)。其中，監(jiān)督學(xué)習(xí)需要提供標(biāo)注的樣本集，無監(jiān)督學(xué)習(xí)不需要提供標(biāo)注的樣本集，半監(jiān)督學(xué)習(xí)需要提供少量標(biāo)注的樣本，而強化學(xué)習(xí)需要反饋機制。

? ? ? ? （1）監(jiān)督學(xué)習(xí)

? ? ? ? ?監(jiān)督學(xué)習(xí)是利用已標(biāo)記的有限訓(xùn)練數(shù)據(jù)集，通過某種學(xué)習(xí)策略/方法建立一個模型，從而實現(xiàn)對新數(shù)據(jù)/實例的標(biāo)記（分類）/映射。

? ? ? ? （2）無監(jiān)督學(xué)習(xí)

? ? ? ? ?無監(jiān)督學(xué)習(xí)是利用無標(biāo)記的有限數(shù)據(jù)描述隱藏在未標(biāo)記數(shù)據(jù)中的結(jié)構(gòu)/規(guī)律。

? ? ? ? （3）半監(jiān)督學(xué)習(xí)

? ? ? ? ?半監(jiān)督學(xué)習(xí)介于監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之間，可以利用少量的標(biāo)注樣本和大量的未標(biāo)識樣本進行訓(xùn)練和分類，從而達到減少標(biāo)注代價、提高學(xué)習(xí)能力的目的。

? ? ? ? （4）強化學(xué)習(xí)

? ? ? ? ?強化學(xué)習(xí)可以學(xué)習(xí)從環(huán)境狀態(tài)到行為的映射，使得智能體選擇的行為能夠獲得環(huán)境的最大獎賞，最終目標(biāo)是使外部環(huán)境對學(xué)習(xí)系統(tǒng)在某種意義下的評價最佳。

? ? ? ? 其次，按照學(xué)習(xí)方法的不同，機器學(xué)習(xí)可分為傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)。區(qū)別在于，傳統(tǒng)機器學(xué)習(xí)的領(lǐng)域特征需要手動完成，且需要大量領(lǐng)域?qū)I(yè)知識；深度學(xué)習(xí)不需要人工特征提取，但需要大量的訓(xùn)練數(shù)據(jù)集以及強大的GPU服務(wù)器來提供算力。

? ? ? ? （1）傳統(tǒng)機器學(xué)習(xí)

? ? ? ? 傳統(tǒng)機器學(xué)習(xí)從一些觀測（訓(xùn)練）樣本出發(fā)，試圖發(fā)現(xiàn)不能通過原理分析獲得的規(guī)律，實現(xiàn)對未來數(shù)據(jù)行為或趨勢的準(zhǔn)確預(yù)測。

? ? ? ? （2）深度學(xué)習(xí)

? ? ? ? 深度學(xué)習(xí)是一種基于多層神經(jīng)網(wǎng)絡(luò)并以海量數(shù)據(jù)作為輸入規(guī)則的自學(xué)習(xí)方法，依靠提供給它的大量實際行為數(shù)據(jù)（訓(xùn)練數(shù)據(jù)集），進行參數(shù)和規(guī)則調(diào)整。深度學(xué)習(xí)算法網(wǎng)絡(luò)的隱藏層數(shù)量多，算法復(fù)雜，相比傳統(tǒng)機器學(xué)習(xí)，深度學(xué)習(xí)更注重特征學(xué)習(xí)的重要性。典型的深度學(xué)習(xí)算法包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等。

? ? ? ? 最后，機器學(xué)習(xí)的常見算法還包括遷移學(xué)習(xí)、主動學(xué)習(xí)和演化學(xué)習(xí)。

? ? ? ? （1）遷移學(xué)習(xí)

? ? ? ? ?遷移學(xué)習(xí)是指當(dāng)前在某些領(lǐng)域無法取得足夠多的數(shù)據(jù)進行模型訓(xùn)練時，利用另一領(lǐng)域數(shù)據(jù)獲得的關(guān)系進行的學(xué)習(xí)。

? ? ? ? （2）主動學(xué)習(xí)

? ? ? ? ?主動學(xué)習(xí)通過一定的算法查詢最有用的未標(biāo)記樣本，并交由專家進行標(biāo)記，然后用查詢到的樣本訓(xùn)練分類模型來提高模型的精度。

? ? ? ? （3）演化學(xué)習(xí)

? ? ? ? 演化學(xué)習(xí)基于演化算法提供的優(yōu)化工具設(shè)計機器學(xué)習(xí)算法，針對機器學(xué)習(xí)任務(wù)中存在大量的復(fù)雜優(yōu)化問題，應(yīng)用于分類、聚類、規(guī)則發(fā)現(xiàn)、特征選擇等機器學(xué)習(xí)與數(shù)據(jù)挖掘問題中。?

3.機器學(xué)習(xí)綜合應(yīng)用

? ? ? ? 如今，機器學(xué)習(xí)已經(jīng)“無處不在”，應(yīng)用遍及人工智能的各個領(lǐng)域，包括數(shù)據(jù)挖掘、計算機視覺、自然語言處理、語音和手寫識別、生物特征識別、搜索引擎、醫(yī)學(xué)診斷、信用卡欺詐檢測、證券市場分析、汽車自動駕駛、軍事決策?等。

4.機器學(xué)習(xí)的未來

? ? ? ? 機器學(xué)習(xí)雖然取得了長足的進步，也解決了很多實際問題，但是客觀地講，機器學(xué)習(xí)領(lǐng)域仍然存在著巨大的挑戰(zhàn)。

? ? ? ? 首先，主流的機器學(xué)習(xí)技術(shù)是黑箱技術(shù)，因此就無法預(yù)知暗藏的危機，為解決這個問題，需要讓機器學(xué)習(xí)具有可解釋性、可干預(yù)性。其次，目前主流的機器學(xué)習(xí)的計算成本很高，亟待發(fā)明輕量級的機器學(xué)習(xí)算法。另外，在物理、化學(xué)、生物、社會科學(xué)中，人們常常用一些簡單而美的方程（比如像薛定諤方程這樣的二階偏微分方程）來描述表象背后的深刻規(guī)律。那么在機器學(xué)習(xí)領(lǐng)域也視圖能追求到簡單而美的規(guī)律。

? ? ? ? 如此的挑戰(zhàn)還有很多，但是由于機器學(xué)習(xí)領(lǐng)域具有巨大的研究和應(yīng)用潛能，研究者們對于這個領(lǐng)域未來的發(fā)展仍然充滿信心。

柚子快報邀請碼778899分享：機器學(xué)習(xí) 人工智能技術(shù)概述

http://yzkb.51969.com/

推薦閱讀