中职《走近人工智能》(商务印书馆·2022)2.3人工智能的技术方向 同步课件(共49张PPT).pptxVIP

中职《走近人工智能》(商务印书馆·2022)2.3人工智能的技术方向 同步课件(共49张PPT).pptx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共49页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二章人工智能概述 目录一、内涵外延:人工智能的基本概念二、三大支撑:人工智能的核心技术三、技术方向:人工智能的技术方向四、智慧体现:智能机器人 人工智能概述本章知识思维导图“活了一百年却只能记住30M字节是荒谬的。你知道,这比一张压缩盘还要少。人类境况正在变得日趋退化。”--马文·明斯基(MarvinMinsky)一、内涵外延:人工智能的基本概念三、技术方向:人工智能的技术方向四、智慧体现:智能机器人二、三大支撑:人工智能的核心技术 人工智能(AI)属于计算机学科的一个分支,同时也是一门多学科融合的综合性边缘学科。它涵盖了逻辑推理、有哪些信誉好的足球投注网站、模式识别飞知识表示、神经网络、规划、群体智能等各方面的内容,也包括游戏博弈、语音识别、自然语言理解、图像处理、计算机视觉、专家系统飞机器学习和深度学习等应用技术方向,并实际应用到社会生活的方方面面,即所谓“人工智能+”。本章我们将系统介绍一下人工智能的概念、核心技术支撑、主要技术方向和应用领域等基本内容。 三、技术方向:人工智能的技术方向 人工智能的各技术方向是随着时间的推移,人们对问题的认识不断深入、不断拓展而逐渐形成的。科学技术发展的过程服从启发性规律,一般方法是由表及里,由整体到局部,由个别到一般,由孤立到系统。人工智能也不例外。作为一个多学科、综合性的技术领域,经过60多年的发展,取得的成果和形成的技术方向实在太广泛、太复杂,很难用有限的篇幅表达清楚。这里,我们试图从核心技术向外拓展,对几个主要的技术方向按照基本概念飞内容种类、结构原理、历史应用的顺序予以简要介绍,并尽可能地揭示出相互之间的因果关系。 (一)机器学习与深度学习顾名思义,机器学习(MachineLeaming,ML)就是使机器或者计算机具有学习能力的一种技术。学习是人类最重要的智能行为,如果要让机器模拟和实现这种智能,它将涉及很多重要的基本问题和具体方法。这些问题和方法不仅涉及脑科学、心理学和思维学,也涉及概率论、统计学、最优化理论等多门学科。机器学习是人工智能的核心。曾有学者将机器学习直接视为人工智能。不管怎么说,机器学习是人工智能最重要的一个技术方向。1.机器学习机器学习的种类己有很多。就分类而言,基于学习策略的有:模拟人脑(如符号学习、神经网络学习或连接学习等)和直接采用数学方法的机器学习(如统计机器学习)。基于学习方法的有:归纳学习(如符号归纳、函数归纳或发现学习)、演绎、类比和分析学习等。基于学习方式的有:有监督、无监督和强化学习等。此外,还有基于数据形式的结构化和非结构化学习,基于学习目标的概念、规则、函数、类别和贝叶斯网络学习等。 1.机器学习机器学习的研究可分为以学习机制研究为主和在大数据环境下的机器学习研究两大类。前者算法包括决策树和随机森林算法飞人工神经网络算法、遗传算法和贝,叶斯算法等。后者主要研究如何有效利用信息,注重从巨量数据中获取隐藏的飞有效的、可理解的知识。不管是何种类型的机器学习,其基本原理都离不开模仿人脑t思考问题的过程。机器学习的一般机制如图2-4所示。 1.机器学习机器首先读取(并存储)历史数据,用这些数据“训练”自己以便确定处理问题的“模型”或“模型参数”。然后对新的数据进行处理,与模型参数对比来“预测”新的结果。这一过程类似于人脑的创新思维过程:先学习以往的事件(相当于机器训练)并从中归纳总结出规则或经验(相当于建立模型),然后据此处理类似的新事物,得出新的结论(相当于预测)。一般而言,机器学习训练数据越多预测精度就越高。当然,预测精度还与从中提取的特征是否正确有关。 1.机器学习机器学习最早可以追溯到17世纪关于最小二乘法的推导等数学工具O自从人工智能登上科学舞台以后,AI从来就没有离开过它。1943年,沃伦·麦克洛克(WarrenMcCulloch)和沃尔特·皮茨(WalterPitts)首次提出神经计算模型,为机器学习奠定了基础;1957年,康奈尔大学教授弗兰克·罗森布拉克(FrankRosenblatt)精确定义的自组织、自学习的神经网络数学模型是典型的机器学习算法。1980年夏在美国卡内基·梅隆大学举行的第一届机器学习国际研讨会标志着机器学习受到全世界的重视。1986年,《机器学习》(MachineLearning)杂志创刊,机器学习加速发展。2006年,杰弗里·辛顿(GeoffreyHinton)和鲁斯兰萨拉赫丁诺夫(Ruslan_x0002_Salakhutdinov)提出的机器学习新方法一一深度学习,至今方兴未艾,并在多个领域取得长足的进展,催生了一大批成功的商业应用。 2.深度学习深度学习(DeepLeaming,DL)是机器学习的一个新的分支。它是在传统人工神经网络算法的基础上发展起来的,基于多层神经网络模型的一类更加复杂的机器学习方法和算法的统称。传统的机

您可能关注的文档

文档评论(0)

中小学教学资料 + 关注
实名认证
服务提供商

小学、初中、高中信息科技教案、试卷、课件等教学资源

1亿VIP精品文档

相关文档