人工智慧：讓機器具備人的思維和意識。
人工智慧的三大學派：
1. 行為主義：基於控制論，構建感知-動作控制系統。
2. 符號主義：基於算術邏輯表示式，求解問題是先把問題描述為表示式，再求解。
3. 聯結主義：仿生學，模仿神經元連線關係。中心思想：當網路將大量簡單的計算單元連線在一起時，
可以實現智慧型行為。
表示學習：使用機器學習來發掘表示本身，而不僅僅把表示對映到輸出，這種方法稱之為表示學習。
深度學習：通過較簡單的表示來表達複雜表示，解決了表示學習的核心問題（提取高層次，抽象的特徵）。
下圖是不同ai學科之間的關係：
現在我們認為深度學習經歷3次發展浪潮：
第一次浪潮：開始於20世紀40年代-60年代的控制論，隨著生物學習理論的發展（mcculloch and pitts，2023年；hebb，2023年）和第乙個模型的實現（eg. 感知機(rosenblatt，2023年)），能實現單個神經元的訓練。
mcculloch-pitts 神經元是腦功能的早期模型。該線性模型通過檢驗函式 f(x
,w)f(x,w)
f(x,w)
的正負來識別兩種不同類別的輸入。顯然，模型的權重需要正確設定後才能使模型的輸出對應於期望的類別。這些權重可以由操作人員設定。
在 20 世紀 50 年代，感知機 (rosenblatt, 1956, 1958) 成為第乙個能根據每個類別的輸入樣本來學習權重的模型。約在同一時期，自適應線性單元 (adaptive linearelement, adaline) 簡單地返回函式 f(x
)f(x)
f(x)
本身的值來**乙個實數 (widrow and hoff, 1960)，並且它還可以學習從資料**這些數。用於調節 adaline 權重的訓練演算法是被稱為隨機梯度下降（stochastic gradient descent）的一種特例。
基於感知機和 adaline 中使用的函式 f(x
,w)f(x,w)
f(x,w)
演算法0 介紹
由於要找工作，最近刷了點題，看了點書，做了些校招筆試，總結一些演算法筆試的要點吧。1.題目 筆試的時候，第一步還是要認真讀題，這個沒什麼好說的，題都不懂是做不下去的。2.解題思路 在讀完題目的時候，不要急著動手寫 這一步要做的是理清思路，可以借助畫圖等工具。這一步的最終目標是得到演算法流程圖。3.輸...
opencv學習 0 介紹 doc
今天是第一次接觸opencv，大致看了一下框架，設計目的，發展的歷程，隨之帶來的商業價值，業餘研究這個，準備把學習的心得 也共享出來，喜歡研究opencv，計算機視覺的也一起加進來吧，我們歡迎討論 這是我讀的第一本書 學習opencv 很厚但是讀起來很舒服 計算機視覺 什麼是計算機視覺?輸入的資料可...
演算法0介紹 排序
是指解題方案準確而完整的描述,是一系列解決問題的清洗的指令,演算法代表著用系統的方法描述解決問題的策略機制.也就是說,能夠對一定規範的輸入,在有限時間內獲得所求的輸出.程式 演算法 資料結構 演算法的可行性與空前複雜度,時間複雜度 大資料下,犧牲精度換取速度.是一種儲存和組織資料的方式,意在便於訪問...