22、智能系统中的深度学习技术全面解析

智能系统中的深度学习技术全面解析

1. 深度学习与机器学习的差异

深度学习和机器学习是人工智能领域的两个重要概念，它们在特征生成和准确率方面存在显著差异：
- 特征生成方式 ：深度学习通过自身的程序和方法生成新的特征，而机器学习依赖用户来识别特征。
- 准确率 ：与机器学习相比，深度学习所能达到的准确率非常令人满意。

2. 不同类型的数据

深度学习模型需要理解和表示数据，以创建面向特定用途的数据智能框架。在现实生活中，数据可以以各种格式存在，常见的深度学习建模技术的数据类型如下：
- 基于序列的数据 ：数据中顺序很重要（一组模式）的称为序列数据。
- 二维数据 ：每个数字图像的基本单位是矩阵，它是由行和列信息组成的二维整数数组。
- 表格数据 ：表格形式的数据集主要由列和行组成，数据按列组织，每个部分都有不同的标签，只有符合该描述的信息才能输入其中，通常呈现为行列网格的形式。

3. 深度学习方法的分类

深度学习主要分为以下三大类，每类包含不同类型的网络：
| 类别 | 特点 | 常见算法 |
| ---- | ---- | ---- |
| 判别式（监督）学习 | 使用已标记的数据，可根据现有知识收集信息或提供数据输出，但选择限制可能过窄。 | MLP、CNN、RNN、LSTM、Bi - LSTM、GRU等 |
| 部分（半/混合）监督学习 | 以标记的混合