机器学习发展历史(符号学习、统计机器学习、深度学习)

本文详细介绍了人工智能发展的三个关键阶段:早期的符号学习,九十年代的统计机器学习,以及近年来的深度学习。深度剖析了各阶段的技术特点及应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

到目前为止,人工智能可以划分为三个阶段:早期的符号学习、九十年代开始的统计机器学习、近年兴起的深度学习。

人工智能早期,机器学习的技术几乎全是符号学习。符号学习的概念很简单,就是用一些特定的符号来表示现实的事物或者观念,例如用汉字“苹果”来表示现实中的苹果,这些符号代表的意义是约定俗成的,一个完全空白的人是需要通过学习才能将符号和现实事物建立联系。而且符号不只是字符还可以是图片、图表等。

 

对于统计机器学习,用一句话概括,统计机器学习是基于对数据的初步认识以及学习目的的分析,选择合适的数学模型,拟定超参数,并输入样本数据,依据一定的策略,运用合适的学习算法对模型进行训练,最后运用训练好的模型对数据进行分析预测。学习流程如下:

关于统计机器学习更详细的的内容请参考:https://blog.youkuaiyun.com/slx_share/article/details/79960635

 

深度机器学习在理论和技术方面并没有太多的创新,只是因为现在计算能力的大幅提高,使得人们可以使用比以前更加精确的方法进行计算,从而得到更好的结果,目前深度学习主要适合于神经网络

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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