什么是深度学习?AI、机器学习和深度学习有什么区别?

深圳信狮
前面介绍了一些人工智能的内容后,很多同学对人工智能更感兴趣了,特别是让人工智能产生巨大进步的深度学习。但是你知道什么是深度学习吗?深度学习和人工智能、机器学习又有什么区别和联系呢?
1.人工智能 (AI)
人工智能可让计算机、机器和机器人模仿人,像人一样制定决策、识别对象、解决问题和理解语言。

2.机器学习 (ML)
机器学习是 AI 的一个子集,它专注于构建可自主学习(无需人为干预)数据,从而持续提高准确性的应用。经过训练,机器学习算法可识别数据模式,做出更明智的决策和预测,但这一般需要用户参与。机器学习侧重于构建能够基于自身使用的数据进行学习或改进性能的系统。换句话说,所有的机器学习都是 AI,但不是所有的 AI 都是机器学习。

3.深度学习(DL)
深度学习是机器学习的一个子集,指人工神经网络(由算法建模而成,能够像人的大脑一样工作)学习大量数据,可帮助计算机解决更复杂的问题。从下图可以看到,随着数据量的增大,深度学习的性能会越来越好,而传统机器学习方法性能表现却趋于平缓;但传统的机器学习算法在数据量较小的情况下,比深度学习有着更好的表现。

简而言之,AI 是一个广泛的概念,机器学习是 AI 的一个分支,深度学习是机器学习的一个特定分支。深度学习是目前最先进的机器学习技术之一,具有很强的特征提取和模式识别能力,对于处理大规模、高维度的数据具有很大的优势。

深度学习算法是仿照人脑建模的神经网络。例如,人脑包含数百万个相互关联的神经元,它们协同工作以学习和处理信息。同样,深度学习神经网络(或人工神经网络)是由在计算机内部协同工作的多层人工神经元组成的。

深度学习网络有哪些组成部分呢?

1.输入层
人工神经网络有几个向其输入数据的节点。这些节点构成了系统的输入层。

2.隐藏层
输入层处理数据并将其传递到神经网络中更远的层。这些隐藏层在不同层级处理信息,在接收新信息时调整其行为。深度学习网络有数百个隐藏层,可用于从多个不同角度分析问题。

3.输出层
输出层由输出数据的节点组成。输出 “是” 或 “否” 答案的深度学习模型在输出层中只有两个节点。那些输出更广泛答案的模型则有更多的节点。

深度学习相对于机器学习有什么好处?

高效处理非结构化数据
机器学习方法发现非结构化数据(如文本文档)难以处理,因为训练数据集可能有无限种变化。另一方面,深度学习模型可以理解非结构化数据并进行一般观察,而无需手动提取特征。

隐藏的关系和模式发现
深度学习应用程序可以更深入地分析大量数据,并揭示可能尚未对其进行过训练的新见解。例如,考虑一个经过训练以分析消费者购买的深度学习模型。该模型仅包含您已购买的商品的数据。但是,通过将您的购买模式与其他类似客户的购买模式进行比较,人工神经网络可以向您推荐您尚未购买的新物品。

无监督学习
深度学习可以根据用户行为进行学习,并随时间推移进行改进。它们不需要大量不同版本的标注数据集。例如,考虑通过分析您的键入行为自动更正或推荐词汇的神经网络。假设该模型是使用英语训练的,因此可对英语词汇进行拼写检查。但是,如果您经常键入非英语词汇,如 danke,神经网络也可以自动学习和更正这些词汇。

易失性数据处理
易失性数据集具有各种不同的版本。银行的贷款还款额就是其中的一个例子。深度学习神经网络也可以对这些数据进行分类和排序,例如通过分析金融交易并标记其中一些交易以进行欺诈检测。

北大青鸟开设了人工智能、大数据、5G云计算、Java、前端、软件开发等课程,办学十余年,拥有丰富的教学经验。如果你想学习一些人工智能方面的知识,也欢迎致电400-8035-955或在下方留下联系方式来北大青鸟咨询!

申请免费试学

上一篇:高考考不上大学有哪些出路
下一篇:人工智能是怎么自主学习的

分享:
  • 相关推荐
  • 就业学员
  • 学员作品
动态
报名须知
热门课程
返回顶部
咨询热线 0755-86191118