人工智慧》機器學習》深度學習
弱人工智慧：只能解決特性領域的問題
強人工智慧：能夠勝任人類所有的工作
圖靈測試：在相互間隔的條件下。測試者為人，被測試者有兩個，乙個是機器，另乙個是人。測試者隨機提問問題，如果參與者超過做出超過30%的誤判，我們認為該機器具有人工智慧。
逆圖靈測試：測試者為機器，人證明自己是人。eg:驗證碼
全圖靈測試:
vqa 根據回答問題
人工智慧三大學派：
符號主義：物理符號系統假設和有限合理性原理
連線主義：模仿神經元，主要原理為神經網路
行為主義：進化主義
機器學習：基於經驗資料的函式估計問題
回歸 輸出為連續值 有誤差大小之分
分類 輸出為離散的 只有對錯之分
根據資料集簡歷模型時，通常會有多個選擇，此時應該遵循奧卡姆剃刀原理
奧卡姆剃刀原理：多個觀察與資料一致，選擇最簡單的
損失函式：**與真實值的差距
回歸損失函式：均方誤差
分類損失函式：交叉熵
泛化：指的是模型依據訓練時採用的資料，針對以前未見過的新資料做出正確**的能力
過擬合：建立的模型與訓練資料過於匹配，即，模型容量大（功能強），測試集資料量小
欠擬合：模型容量小，資料量大
正則化技術：通過正則化可以使模型變簡單
偏差與方差：
偏差：是由於模型太過簡單，資料量大導致的，
方差：是由於模型泰國複雜，資料量小導致的，可以通過正則化變簡單
k-means聚類、主成分分析法、模型降維
人工智慧與深度學習概述（1）
人工智慧是電腦科學的重要分支之一。它企圖了解智慧型實質,並生產出一種新的能以人類智慧型相似的方式做出反應的智慧型機器,機械人 自然語言識別處理 專家系統 影象識別等技術均屬於人工智慧範疇。在電氣自動化領域當中,人工智慧與傳統人工控制相比,其最大的特點在於能夠以計算機技術為輔助,完全實現機械裝置自動化...
人工智慧與機器學習
現如今，人工智慧與機器學習受到了各行各業的廣泛關注，大眾對其態度不一。但是人工智慧與機器學習對不同的人來說其代表的東西並不相同。通常人工智慧與機器學習會引起人們的恐懼與不確定性，因此一些專家對這兩個術語相關的風險表示擔憂。事實上，人工智慧與機器學習已經成為了我們日常生活中不可分割的一部分，即使在有些...
人工智慧與機器學習目錄
1 anaconda搭建人工智慧與深度學習平台 2 python基礎 python基礎 基礎語法元素 python基礎 基本資料型別 python基礎 組合資料型別 python基礎 程式控制結構 python基礎 函式 python基礎 類和物件 python基礎 檔案讀寫 模組 包和庫 pyth...