郑州大学-机器学习 无监督学习_第1页
郑州大学-机器学习 无监督学习_第2页
郑州大学-机器学习 无监督学习_第3页
郑州大学-机器学习 无监督学习_第4页
郑州大学-机器学习 无监督学习_第5页
已阅读5页，还剩27页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

汇报人：冯一帆陈佳辉第十三章

无监督学习概论目录CONTENTS01机器学习方法02无监督学习方法03无监督学习的应用机器学习方法01机器学习“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”机器学习监督学习数据+标签什么是监督学习？监督学习相关概念监督学习流程图无监督学习数据什么是无监督学习？无监督学习相关概念无监督学习流程图强化学习强化学习流程图无监督学习方法02为什么需要无监督学习?1.数据标注困难2.数据标注成本高昂3.通用人工智能语音情感、韵律、风格军工涉密项目人工智能自主学习聚类聚类的定义：

是将样本集合中相似的样本分配到相同的类，不相似的样本分配到不同的类。聚类的种类硬聚类：一个样本只能属于一个类。软聚类：一个样本可以属于多个类。聚类的应用降维降维的定义：将训练数据中的样本从高维空间转换到低维空间。降维的目的：低维空间能更好地表示样本之间的关系。降维的分类：线性降维非线性降维降维的准则：要保证样本中的信息损失最小降维降维降维的意义降维的意义概率模型估计概率模型的定义：随机变量x表示观测数据，可以是连续变量也可以是离散变量随机变量z表示隐式结构，是离散变量随机变量

表示参数概率模型的假设：训练数据由一个概率模型生成，由训练数据学习概率模型的结构和参数。概率模型的分类：高斯混合模型、概率图模型等。

无监督学习的应用03无监督学习生成模型—生成对抗网络（GAN）GAN生成的图象以假乱真无监督学习在Vision和Audio的应用Vision：细颗粒度识别图像分割图形检测Audi

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论