机器学习与深度学习基础（四）：什么是连接主义与符号主义

最新推荐文章于 2025-12-11 22:53:49 发布
原创 最新推荐文章于 2025-12-11 22:53:49 发布 · 223 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#符号主义 #连接主义 #深度学习 #机器学习

文章目录

从1943年的第一个人工神经元到2023年的ChatGPT，AI经历了80年的发展历程。连接主义和符号主义作为两大主流学派，各自贡献了独特的理论和方法。现代AI正在走向两者融合的新时代，既要有神经网络的强大学习能力，也要有符号系统的逻辑推理能力。

未来的AI将更加智能、更加可解释、更加安全，最终实现真正的通用人工智能。

连接主义和符号主义代表了两种不同的智能实现路径：一种是"自下而上"的涌现智能，另一种是"自上而下"的规则智能。这场争论推动了AI领域的持续发展。

在这里插入图片描述

AI发展时间线

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

两大学派详细对比

在这里插入图片描述

AI的未来方向

  • 通用人工智能 (AGI)：具备人类级别的通用智能
  • 多模态AI：整合视觉、听觉、语言等多种感知模式
  • 强化学习：通过与环境交互学习最优策略
  • 量子AI：利用量子计算的并行性解决复杂问题
  • 边缘AI：在移动设备上实现AI功能
  • AI伦理：确保AI系统的公平性、安全性和可控性
简述人工智能，及其三大学派：符号主义、连接主义、行为主义
Java开发，人工智能，边缘计算，致力于掌握前沿技术
10-30 2万+
说白了就是你告诉机器你想做什么？并且给它一堆数据让它去模仿着做（比如，咱们上高中，老师会告诉我们一个目标就是考高分，然后给我们一堆练习册和答案，我们的目的就是让我们做的题的解和答案一致）
机器学习、深度学习入门课程第一章：必备入门知识
11-26
机器学习的发展历程可以追溯到早期的人工智能和连接主义，历经符号主义和统计学习的发展，最终形成了以深度学习为主导的现代机器学习框架。深度学习的核心是通过多层神经网络的叠加，学习数据中的抽象特征表示。这...
机器学习的四大学派：符号主义学派、贝叶斯学派、连接主义学派与进化仿生学派
cooldream2009的博客
10-13 6110
机器学习作为人工智能的核心技术之一，已经渗透到了我们生活的方方面面。无论是自动驾驶、语音识别，还是推荐系统背后的算法，机器学习的应用无处不在。机器学习领域内存在着不同的研究路线和学派，每个学派都有其独特的理论基础和应用场景。本文将从四大学派出发，分别介绍符号主义学派、贝叶斯学派、连接主义学派和进化仿生学派，深入探讨它们的理论基础、特点及实际应用。
机器学习入门基础（万字总结）（建议收藏！！！）
热门推荐
subsistent的博客
12-04 18万+
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本文章涵盖了机器学习的基础知识，主要包括机器学习的概述、 回归、分类、聚类、神经网络、文本分析、图像分析、深度学习等经典的机器学习基础知识，还包括深度学习入门等拔高内容。介绍机器学习的基础概念和知识，包括机器学习简史、主要流派、与人工智能、数据挖掘的关系、应用领域、算法、一般流程等。伴随着计算机计算能力的不断提升以及大数据时代的迅发展人工智能也取得了前所未有的进步。
人工智能、机器学习与深度学习：全面介绍与对比分析
2503_91665385的博客
05-19 937
人工智能是一个广阔的领域，旨在创造能够模拟人类智能的机器系统。机器学习是实现人工智能的一种重要方法，而深度学习又是机器学习的一个特定分支，它通过模拟人脑神经元网络的工作方式来实现学习。三者之间呈现出一种包含关系：DL ⊂ ML ⊂ AI。人工智能的概念最早可以追溯到1956年的达特茅斯会议，当时定义为"让机器表现出类似人类智能行为"的科学与工程。经过多次起伏，AI发展经历了符号主义、连接主义和行为主义等多个阶段，当前正处于以数据驱动为主的第三次发展高潮。
机器学习与深度学习基础（一）：监督学习、线性回归、逻辑回归
TracyCoder的博客
12-09 865
人工智能（AI）作为引领科技变革的核心领域，其发展历程跨越七十余年，从早期的理论探索逐步走向规模化工程应用，深刻重塑了各行各业的技术范式。回溯其演进脉络，不仅呈现出理论派系的交替迭代，更在技术落地中形成了以机器学习、深度学习为核心的技术体系，为复杂问题的解决提供了全新思路。AI的发展可追溯至1956年达特茅斯会议，期间历经四个关键阶段，呈现出连接主义与符号主义两大派系的交替发展格局。以逻辑推理和数学原理为基础，强调通过明确的规则与符号表征解决问题；
人工智能、机器学习与深度学习的奥秘：探索三者的定义与差异
anan6699的博客
06-15 1414
然而，作为深度学习的从业者，我们应明白神经网络主要是由强大的数学理论（线性代数和微积分）、统计学（概率）和软件工程激励和支持的。这类人工智能称为符号人工智能（symbolic AI），它适于解决明确的逻辑性问题，然而对于那些复杂的问题，如图像识别、对象检测、语言翻译和自然语言的理解等任务，它却几乎无能为力。数据是完成深度学习最重要的组成部分，由于互联网的普及和智能手机应用的增长，一些大公司，如Facebook和Google，可以收集到大量不同格式的数据，特别是文本、图片、视频和音频这类数据。
从符号主义到深度学习：AI 发展 70 年 3 次技术革命
程序边界
08-14 8801
本书不仅会让你置身于人工智能风起云涌的70年历史中，亲身体会人工智能从万众瞩目到被打入“冷宫”，然后从逆势而起到再度沉沦，终成璀璨明星的曲折命运，还会让你在看过所有传奇之后，能跟随作者的思路思考人工智能的发展逻辑，看透过去，领悟出永远不变的“底层逻辑”，并用其应对充满不确定性的未来。两次AI寒冬缘何降临？书中回顾了机器翻译的发展历程，从冷战时期的催生，到因语言规则复杂而举步维艰，再到统计翻译成为主角，直至如今科技巨头在机器翻译领域的激烈竞争，自然语言处理技术正阔步前进，重建着巴别塔的梦想正在逐步实现。
人工智能-机器学习-深度学习-分类与算法梳理
AAI666666的博客
12-21 2902
目前人工智能的概念层出不穷，容易搞混，理清脉络，有益新知识入脑。
AI、机器学习、深度学习：一文厘清三者核心区别与联系
我是 二川兄，对Web开发、GIS开发、3D模型、机器学习、面试技巧等方面都有一些涉猎~ 欢迎您加入技术交流圈！你可以在我的文章末尾找到我~
05-15 1429
AI、机器学习、深度学习：一文厘清三者核心区别与联系
人工智能，机器学习与深度学习---全面解析！
2503_90543222的博客
07-27 1039
该笔记涉及人工智能、机器学习、深度学习三大模块，包含理论知识和具体实例，带大家从理解基本概念到上手实践，后续会持续更新应用方面有实际价值或意义的例子，供大家学习。
人工智能：机器学习与深度学习原理与实践培训ppt.pptx
06-29
人工智能的历史可以追溯到多个阶段，从早期的符号主义到连接主义，再到如今深度学习的兴起。随着计算能力的增强和数据量的不断扩大，人工智能的应用场景和潜力也在不断扩展。 机器学习是人工智能的一个重要分支，它...
人工智能三大流派：符号主义、连接主义与机器学习
自20世纪50年代以来，人工智能经历了多种理论流派的发展，包括符号主义、连接主义以及近年来备受瞩目的机器学习。 符号主义，作为早期的人工智能基础，主要通过模拟人类的逻辑推理过程来实现智能。在推理期，研究...
DefaultCPUAllocator: can‘t allocate memory
weixin_45776000的博客
12-11 304
【代码】DefaultCPUAllocator: can‘t allocate memory。
深度学习中 z-score 标准化理解
最新发布
musk1212的博客
12-11 481
摘要： z-score标准化是深度学习中关键的数据预处理方法，通过将数据转换为均值为0、标准差为1的分布，有效提升模型训练效率并消除特征量纲差异。其核心公式为z=(x-μ)/σ，适用于加速收敛、平衡多特征权重及异常值检测等场景。与Min-Max归一化相比，z-score对异常值更鲁棒，是神经网络训练的首选方法。需注意避免数据泄露问题（测试集必须使用训练集的μ和σ），并处理标准差为0的特殊情况。批量归一化(BatchNorm)是z-score的动态扩展版本。
基于深度学习的网络流量异常检测系统
XiaoMu_001的博客
12-11 627
本项目旨在构建一个基于深度学习的高效网络流量异常检测系统。系统采用 **B/S 架构**，前后端分离设计。后端基于 **Django** 框架，前端采用 **Vue 3** + **Element Plus**。核心检测引擎利用 **PyTorch** 构建深度学习模型（MLP 和 1D-CNN），能够对网络流量数据进行实时或离线分析，精准识别良性流量及多种类型的网络攻击（如 DoS, PortScan, Web Attack 等）
机器学习与深度学习基础（五）：深度神经网络经典架构简介
TracyCoder的博客
12-11 377
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
微算法科技（NASDAQ MLGO）采用混合深度学习赋能区块链：打造智慧城市安全新范式
MicroTech2025的博客
12-11 157
区块链网络中的各个节点会对算法输出的结果进行验证和记录，每一个安全判断、操作记录等都会以区块的形式被添加到区块链账本上，由于区块链的不可篡改特性，这些记录能够作为可靠的依据，供后续的审计、追溯等使用。系统维护阶段，当发现潜在安全风险时，系统可以根据预设的规则自动触发相应的安全响应机制，比如向相关管理人员发送警报信息、启动防护设备（如对特定区域进行封锁、调整交通信号灯等），同时这些响应操作也会被记录在区块链上，形成完整的安全事件处置链条，方便后续复盘和改进安全策略。
深度学习与机器学习的3个关键区别
dream_it_come_in的博客
12-05 1160
在人工智能的浪潮中，“机器学习” 和 “深度学习” 是两个高频出现却常被混淆的概念。很多人误以为深度学习是机器学习的 “升级版”，但实际上二者在技术逻辑、适用场景和核心能力上存在本质区别。今天我们就从三个核心维度，拆解它们的关键差异，帮你快速理清 AI 技术的底层逻辑。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

TracyCoder123

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值