机器学习、CNN的区别与联系

最新推荐文章于 2025-04-18 22:31:47 发布

莫言莫语123

最新推荐文章于 2025-04-18 22:31:47 发布

阅读量1.6k

点赞数

分类专栏：深度学习文章标签：机器学习深度学习神经网络

本文链接：https://blog.youkuaiyun.com/weixin_42241438/article/details/86707927

版权

本文探讨了机器学习中的模式识别与深度学习中的卷积神经网络（CNN）的关系。模式识别依赖专业知识设计分类规则，而CNN作为神经网络的一个分支，通过权重和偏置调整，实现对输入的电位响应，其核心功能是信息传递和敏感度控制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

机器学习之CNN

CNN与机器学习有什么关系：
一.模式识别/机器学习/深度学习简介
模式识别（Pattern recognition）机器学习（machine learning）和深度学习（seep learning）分别代表了三种不同的思想流派。
1. 模式识别
区分“3”和“B”，需要专门设计一些分类规则，如滤波，边缘检测和形态学处理等技术，设计到图像处理的专业知识。

      2. 机器学习
      从样本中学习的智能程序，是数据驱动的。强调的是给计算机程序输入一些数据之后，它对这些数据进行学习，（学习步骤是明确的）学习结果是对已有的数据的分类和预测模型，预测模型可以用于对未知数据的预测。
      3.深度学习
      模型中的参数可以从学习中获得。在深度学习的模型中，很流行的就是被用在大规模图像识别中的卷积神经网络（Covoulutional Neural Nets,CNN）,简称ConvNets。
      深度学习需要非常大的计算能力，大多在GPU熵进行计算。
      线性代数是基础。
      ![图片来源于此处}https://www.jianshu.com/p/726a5fdfeac5](https://img-blog.csdnimg.cn/20190130190308850.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MTQzOA==,size_16,color_FFFFFF,t_70)
      本质上还是原来的神经网络，就是用复杂/庞大的神经网络进行机器学习。

二

最低0.47元/天解锁文章