大话人工智能之(一)深度学习概念

本文深入探讨了机器学习,特别是其与特征学习和深度学习的关系。机器学习通过大数据获得经验并自我学习,特征学习则处理个体性强的特征提取,而深度学习利用神经网络算法如卷积神经网络,进行原始数据的深度抽象和任务映射。

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

一.机器学习

      机器学习是人工智能的一个分支,它是通过计算的手段,通过大数据所产生的经验来改善计算的性能。与传统的人工向机器输入知识的操作不同,机器学习是从大数据中获取经验,通过指定的算法自身从经验中学习到所需的知识,然后对用户进行特定场景的知识转化与推理输出。

     而所谓的经验的积累,是机器存储的一种从大数据中摘取的事物的特征的数据,机器学习算法便于通过这些数据产生的模型。

二.特征与特征学习

     特征通过一系列参数用机器来推理识别一个指定的结论,比如通过一系列特征约束,计算机能识别物体是一个足球。但是随着机器学习的任务复杂多变,特征的多样化极具个体性,让模型很难泛化。最后特征也通过让机器学习完成,称为“表示学习”。

三.深度学习

    深度学习以原始数据作为算法输入,由算法将原始数据逐层抽象为自身任务所需的最终特征表示,最后以特征到任务目标的映射结束。

    深度学习除了模型学习外,还有特征学习,特征抽象等任务模块参与,故称为“深度学习”。

    神经网络算法是深度学习的一类代表。其中包含深度置信网络,递归神经网络,卷积神经网络等等。  目前用的比较广泛的便是卷积神经网络。

评论 3
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