浅谈机器学习与深度学习

1 人工智能、机器学习与深度学习的联系

20世纪90年代以来，随着大数据和计算机硬件的快速发展，人工智能技术再一次迎来了全新的发展，其中机器学习、深度学习等技术成为人工智能的主流。并已在语音识别、计算机视觉、自然语言处理等方面取得了巨大突破和进展。
很多人不理解人工智能和机器学习、深度学习之间的关系。具体关系如图1-1所示：

从图可知，人工智能、机器学习与深度学习之间是包含关系，并且深度学习是机器学习的分支。
机器学习方法也被称为统计学习方法，顾名思义，机器学习中的大部分学习算法都是基于统计学原理的。因此，机器学习和深度学习技术都具备一个共同点：他们需要使用尽可能多的数据来完成对模型的训练，从而使得最终训练出的模型具有强大的泛化能力。而泛化能力的好坏也是评价模型好坏的标准。

2 M-P模型

M-P模型是模拟人工神经元定义的数学模型，又称神经元模型，其结构示意如下图所示。

从上图可看出，首先是一列从x1到xn的参数（从某种程度上也可看做输入数据的特征维度），在输入神经元之前，每个参数需乘以对应的表征该参数重要度的权重值（w1到wn），然后在神经元中进行一定的处理，首先进行数学中的累加运算，将x1w1到xnwn的结果进行累加，然后将求和的结果送入激活函数f，M-P模型中的激活函数一般选择的是sigmoid函数，其函数图如上图右所示。f是一个有目标阈值的激活函数，一般定义完激活换丝的阈值后(），通过判断x1w1累加到xnwn的和，与阈值的正负关系，判断最后激活函数的输出值(0或1)。