菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

深度学习 (DL)

深度学习革命始于 2010 年左右。

从那时起,深度学习解决了许多“无法解决”的问题。

深度学习革命并非由单一发现引起。它大概发生在几个必要因素都已准备就绪之时:

  • 计算机速度足够快
  • 计算机存储足够大
  • 发明了更好的训练方法
  • 发明了更好的调优方法

神经元

科学家们一致认为,我们的大脑有 800 到 1000 亿个神经元。

这些神经元之间有数千亿个连接。

Neurons

图片来源:巴塞尔大学生物中心。

神经元(也称神经细胞)是我们大脑和神经系统的基本单元。

神经元负责接收外部世界的输入,发送输出(给肌肉的指令),以及处理其间的电信号。


神经网络

人工神经网络通常被称为神经网络 (NN)。

神经网络实际上是多层感知器

感知器定义了进入多层神经网络的第一步。

神经网络深度学习的精髓。

神经网络是历史上最重要的发现之一。

神经网络可以解决无法通过算法解决的问题

  • 医学诊断
  • 人脸检测
  • 语音识别

神经网络模型

输入数据(黄色)经过隐藏层(蓝色)处理,再经过另一个隐藏层(绿色)修改,最终产生输出(红色)。

Neural Networks

Tom Mitchell

Tom Michael Mitchell(生于 1951 年)是一位美国计算机科学家,卡内基梅隆大学(CMU)的大学教授。

他曾任 CMU 机器学习系的系主任。

“一个计算机程序在就某一类任务 T 和性能度量 P 而言,从经验 E 中学习,当且仅当它在 T 类任务上的表现,以 P 度量,随经验 E 的增加而提高。”

Tom Mitchell (1999)

E:经验(出现的次数)。
T:任务(驾驶汽车)。
P:性能(好或坏)。


长颈鹿的故事

2015 年,伦敦帝国理工学院的学生Matthew Lai创造了一个名为Giraffe的神经网络。

Giraffe 经过 72 小时的训练,就能以与国际象棋大师相同的水平下棋。

计算机下棋并不新鲜,但这个程序创建的方式是新的。

经典的国际象棋程序需要数年时间才能构建,而 Giraffe 使用神经网络在 72 小时内建成。



深度学习

经典编程使用程序(算法)来产生结果

传统计算

数据 + 计算机算法 = 结果

机器学习使用结果来创建程序(算法)

机器学习

数据 + 结果 = 计算机算法


机器学习

机器学习通常被等同于人工智能。

这是不正确的。机器学习是人工智能的一个子集。

机器学习是人工智能的一个学科,它使用数据来教导机器。

“机器学习是一个研究领域,它赋予计算机在不被编程的情况下学习的能力。”

Arthur Samuel (1959)


智能决策公式

  • 保存所有动作的结果
  • 模拟所有可能的结局
  • 将新动作与旧动作进行比较
  • 检查新动作是好是坏
  • 如果新动作较不坏,则选择它
  • 不断重复

计算机能够这样进行数百万次的事实,证明了计算机可以做出非常明智的决策。


×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持