5、下一代自主运营的工业人工智能技术解析

下一代自主运营的工业人工智能技术解析

1. 机器学习训练方法

人类和机器都会在基于经验的学习过程中获取知识。人类通过直接或共享经验来学习，而机器则通过过去数据形式共享的经验来学习。就机器学习过程接收的输入数据及其处理方式而言，可区分出三种机器学习训练方法：
- 监督学习 ：需要有标签的数据，广泛用于分类和回归任务。系统学习数据中哪些部分对正确分类有用，并利用这些信息对未见过的数据进行正确分类，还能检测数据中的模式以预测未来数据或其他感兴趣的结果。
- 无监督学习 ：处理无标签数据，试图发现隐藏模式和潜在结构，常用于聚类任务。
- 强化学习 ：使计算机程序从经验中学习，并因达到指定目标（包括即时行动和长期目标）而获得奖励。类似于人类通过反复试验从错误中学习，算法根据当前状态学习行为，以决定下一步行动，从而在未来最大化奖励。

2. 神经网络

神经网络模拟人类大脑中生物神经元的学习能力，其基本单元是感知器。感知器模型将所有输入与权重参数相乘，权重代表每个特征在结果计算中的重要性，所得值与偏置项相加得到加权和，最后应用激活函数。激活函数为神经网络模型引入非线性，使其区别于线性回归模型。

训练过程如下：
1. 前馈 ：将一个信号样本或一批样本通过网络，输入值经过神经元的分层传递，在最后一层产生输出。
2. 计算损失 ：比较预测结果与实际输出，计算网络损失。
3. 反向传播 ：根据损失