人工智能技術(shù)概覽-文庫(kù)吧
2025-02-10 16:14 本頁(yè)面
【正文】 ? Transfer Learning, TL ? 收集數(shù)據(jù)成本高；訓(xùn)練耗時(shí)；重復(fù)利用已有知識(shí) ? 樣本遷移、特征遷移、模型遷移、關(guān)系遷移 北京久其軟件股份有限公司 2023年 3月 10日 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)特征，迚行分布式幵行信息處理的算法數(shù)學(xué)模型。 ? 網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相虧連接的關(guān)系，從而達(dá)到處理信息的目的。 ? 優(yōu)勢(shì) – 幵行分布處理 – 高度魯棒性和容錯(cuò)能力 – 分布存儲(chǔ)及學(xué)習(xí)能力 – 能充分逼近復(fù)雜的非線性關(guān)系 ? 激活函數(shù)、損失函數(shù)、梯度下降 北京久其軟件股份有限公司 2023年 3月 10日 深度學(xué)習(xí) ? 深度學(xué)習(xí)源亍人工神經(jīng)網(wǎng)絡(luò)，多個(gè)隱噸局感知器。 ? 深度學(xué)習(xí)通過(guò)組吅低局特征形成更加抽象的高局表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。 ? 各局設(shè)計(jì)、圖形化調(diào)參、學(xué)習(xí)速率 北京久其軟件股份有限公司 2023年 3月 10日 CNN – 卷積神經(jīng)網(wǎng)絡(luò) ? Convolutional Neural Network ? 圖像領(lǐng)域應(yīng)用非常成功，人臉識(shí)別超 % ? 全連接 ? 尿部連接，權(quán)值共享 ? 圖像識(shí)別、 OCR、語(yǔ)音識(shí)別（ DBN+CNN+RNN最好） 2023年 3月 10日 特征數(shù)量 卷積核大小RNN – 循環(huán)神經(jīng)網(wǎng)絡(luò) ? Recurrent Neural Network ? （ t+1）時(shí)刻網(wǎng)絡(luò)的最終結(jié)果 O(t+1)是該時(shí)刻輸入和所有歷史共同作用的結(jié)果 ? 語(yǔ)音識(shí)別、 NLP ? Bidirectional RNNs、 Deep RNNs、 GRU RNN 北京久其軟件股份有限公司 2023年 3月 10日 LSTM 長(zhǎng)短期記憶網(wǎng)絡(luò) ? Long ShortTerm Memory Neural Network ? RNN時(shí)間上傳遞的神經(jīng)網(wǎng)絡(luò)，可能“梯度消失” ? 通過(guò)門的開(kāi)關(guān)實(shí)現(xiàn)時(shí)間上記憶功能，防止梯度消失 ? 遺忘門 ? 輸入門 ? 輸出門 ? Seq2Seq機(jī)器翻譯 ? Attention Model對(duì)話 2023年 3月 10日 GAN 生成性對(duì)抗生成網(wǎng)絡(luò) ? Generative Adversarial Networks ? 它有兩個(gè)模型：一個(gè)生成器，一個(gè)判別器 ? 沒(méi)有損失函數(shù)，優(yōu)化過(guò)程是“二元極小極大博” 北京久其軟件股份有限公司 2023年 3月 10日
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1