人工智能基本框架总结

[hiyouga]

持续更新中

机器学习分类：

• 按照方式不同：
  1. 有监督学习（Supervised learning）
     通过已有的一部分输入数据与输出数据之间的对应关系，生成一个函数，将输入映射到合适的输出。
  2. 无监督学习（Unsupervised learning）
     直接对输入数据集进行建模，寻找关联。
  3. 半监督学习（Semi-supervised learning）
     综合利用有输入输出的数据，和只有输入的数据来进行训练。可以简单理解成监督学习和非监督学习的综合。

神经网络模型：

• 模型分类：

  • 卷积神经网络（CNN）
  • 循环神经网络（RNN）
  • 深度神经网络（DNN）

• 学习方法：

  • 梯度下降
  • 反向传播

• 激活函数：

  • 阶跃函数
  • sigmoid函数
  • tanh函数
  • ReLU修正线性单元

几大问题：

• 梯度消失
• 数值爆炸
• 细胞坏死

现实应用：

• 计算机视觉（Computer Vision, CV）
• 自然语言处理（Natural Language Processing, NLP）