深度学习应用开发 课件 cha1 1-人工智能与深度学习

人工智能的概念介绍01任务机器学习的概念介绍02任务目录深度学习的概念介绍03任务人工智能与机器学习、深度学习的关系04任务1人工智能的概念介绍1人工智能的概念介绍上世纪50年代，计算机科学家们就提出了“人工智能(ArtificialIntelligence，AI)”的概念，人工智能是一个广泛的概念，人工智能的目的就是让计算机能够象人一样思考。现在，人工智能已经发展为一门广泛的交叉和前沿科学，涉及到计算机科学、心理学、哲学和语言学等学科，也广泛的应用到语音识别、图像识别、自然语言处理等领域。人工智能是计算机科学的一个重要分支，是对人类认知思维的抽象和模拟，用机器实现人类智能，做人类可以做的事情。人工智能通常可分为弱人工智能和强人工智能两个阶段。目前处于弱人工智能阶段，具备一定观察和感知力的机器，能做到有限的理解和推理，还远未到达能让机器习得自适应能力的强人工智能阶段。伴随着“人工智能”的崛起，出现了“机器学习”、“深度学习”等热门领域。2机器学习的概念介绍2机器学习的概念介绍机器学习(MachineLearning，ML)是指用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境给出判断的过程。机器学习的思想是对人类生活中学习过程的一个模拟，而在这整个过程中，最关键的是数据。任何通过数据训练的学习算法的相关研究都属于机器学习，包括一些成熟的经典技术，比如线性回归(LinearRegression)、K均值(K-means)、决策树(DecisionTrees)、随机森林(Random)、主成分分析(PrincipalComponentAnalysis，PCA)、支持向量机(SupportVectorMachine，SVM)以及人工神经网络(ArtificialNeuralNetworks，ANN)。2机器学习的概念介绍机器学习包括以下类型的学习模式：(1) 监督学习模式有监督学习以训练集作为系统的输入，其中每个样本都有标注信息，我们称标注信息为真实值(groundtruth)。模型的输出值与真实值得差值用损失函数来衡量(loss)，采用最小损失函数执行训练过程。训练完成后，针对训练集（也称为验证集）中不相交的示例，测量模型的准确性。

监督学习模式2机器学习的概念介绍(2) 无监督学习模式无监督学习中，训练样本未按其所属的系统进行标记。无监督学习模型是识别无标签数据结构的模型。该系统寻找具有共同特征的数据，并根据数据内部知识特征对其进行聚类。这种学习算法适用于聚类问题。

无监督学习模式3深度学习的概念介绍3深度学习的概念介绍深度学习(DeepLearning，DL)的概念源于对人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像、声音和文本。深度学习的精髓在于通过监督学习或从标记的数据和算法中学习。深度学习中的每种算法都经过相同的过程，深度学习过程的以下步骤：数据处理(数据预处理)；模型设计(网络结构的设计)；训练模型(优化器，损失函数、计算资源)；

保存并测试模型(保存并测试模型的性能，以备预测调用)4人工智能与机器学习、深度学习的关系4人工智能与机器学习、深度学习的关系严格意义上说，人工智能和机器学习没有直接关系，只不过目前机器学习的方法被大量的应用于解决人工智能的问题而已。目前机器学习是人工智能的一种实现方式，也是最重要的实现方式。早期的机器学习实际上是属于统计学，而二十世纪九十年代之前的经典人工智能跟机器学习也没有关系。所以今天的人工智能和机器学习有很大的重叠。深度学习是机器学习现在比较火的一个方向，其本身是神经网络算法的衍生，在图像、语音