快速叫人投票 人工智能技术、人工神经网络、深度神经网络究竟都有什么？

原文共2845字，预估学习培训时间5分鐘

实际上，将来初创公司的商业计划书很容易猜到：选用“X AI”方式，X可以是一切一个领域或是情景。即在合适的行业添加线上智能化，让其持续稳步发展。Kevin Kelly《必然》

以往两年，人工智能技术一直是最热点话题之一。杰出人才陆续参加人工智能技术科学研究，知名企业会拨出去高额资产适用该行业发展趋势，而人工智能技术初创公司每一年可以得到数十亿美元的项目投资。

假如你已经考虑到改善工作流程，或已经寻找新的念头，那麼很可能会想起人工智能技术。为了更好地更高效率地应用人工智能技术，必须深入了解其构成部分。

人工智能技术

人工智能技术究竟是什么？Keras鼻祖、Google人工智能技术研究者Francois Chollet在其书《Python深度学习》（Deep Learning with Python）中提供了一个简洁明了的界定：“人们根据努力创造智力活动的自动化技术。因而，人工智能技术是一个包含人工神经网络和深度神经网络的通用性行业，也包含很多不涉及到一切学习方法。”

比如，现如今对话机器人的其前身Eliza是由麻省理工大学人工智能技术试验室造就的。这一程序流程可以和人们开展长期会话，但不可在会话中学习培训新英语单词或改正个人行为。Eliza的行为表现是利用一种独特的计算机语言确立拟定的。

当代含义上的人工智能技术起源于20新世纪50时代快速叫人投票，莱纳•图灵(Alan Turing)和达特茅斯讨论会(Dartmouth workshop)将这一行业的第一批发烧友集聚在一起，从而产生了人工智能技术科学研究的基本概念。除此之外，在变成当今社会科学研究重要行业的环节中，人工智能技术产业链经历了多次兴趣爱好猛增和衰落（也就是说白了的“人工智能技术的冬季”）。

值得一提的是强人工智能和弱人工智能的假定。强人工智能可以思索，并可以像一个单独的人一样有着观念。弱人工智能则沒有这种工作能力，只有实行一定范畴内的每日任务（下象棋、识别图像中的猫或画一张市场价43.25万美金的画）。现阶段现有的都归属于弱人工智能，还不能过度担忧。

现如今，离去人工智能技术，人们几乎举步维艰。不论是驾车、自拍照、网上购物或是分配休闲度假，几乎到处都能发觉人工智能技术的存有。这类存有非常容易被忽视，却十分关键。

人工神经网络

无论是人工智能技术还是是非非人工智能技术，其重要特点是自学的工作能力。对人工智能技术来讲，有一系列设备学习模型承担塑造这类工作能力。其实质与经典算法不一样。经典算法是一组清楚的命令，能将导入的数字转换成結果，而人工神经网络根据数据信息样版和相对应結果，在信息中发觉方法并转化成一种优化算法，可以将随意数据交换成所需的結果。

人工神经网络关键分成三类：

监督学习——系统软件以已经知道結果的数据信息样版为基本，对每一个样版来进行练习。人工神经网络有两个每日任务更为受欢迎：重归 （regression）和归类（classification）。重归对于连续型自变量，例如房子价格或加工制造业排出水准。归类则是对某一类其他预测分析。比如，一封电子邮件是不是归属于垃圾短信，某一本书归属于侦探推理小说或是百科辞典这些。

无监督学习——系统软件自身发觉数据信息內部的关联和方式。在这里情形下，每一个样版的結果全是不明的。

增强学习——一种奖赏系统软件恰当个人行为，处罚系统软件错误做法的方式。因而，系统软件学会了开发设计某类优化算法，可以获得最大的奖赏和最少的处罚。

一个满意的设备学习模型可以剖析一切数据信息，寻找全部的方式，并建立优化算法以完成全部期待获得的結果。但这一梦想的实体模型并未创建。华盛顿大学专家教授Pedro Domingos在其著作《主算法》（The Master Algorithm）中就会有提到其建立全过程。

现如今的设备学习模型致力于指定的每日任务，都是有彼此的优点和缺点。这种实体模型包含：

回归分析（Linear regression）是一种传统的统计模型。说白了，它是为重归每日任务设计方案的快速叫人投票，即可以用于预测分析持续值。比如，柠檬汁的销售量多少在于气温的优劣。

逻辑回归（Logistic regression）用以归类每日任务，预测分析给出样版归属于特殊类型的几率。

决策树(Decision Tree）是一种常见的分类方法。在这类方式中，给出目标的类型依据一系列问题的回应来明确。每一问题的参考答案通常为“是”或“否”。

K近期邻(k-Nearest Neighbor，KNN)随机森林算法是一种简易、迅速的分类方法。在这类方式中，假如一个样版在特点室内空间中的k（个k可以为随意值）最类似(即特点室内空间中最相邻)的样版中的大部分归属于某一个类型，则该样版也归属于这一类型。

朴素贝叶斯（Naive Bayes）是一种主流的分类方法。它运用概率统计和贝叶斯定理来决定某一事情（某一电子邮件为垃圾短信）在给出标准下的概率（电子邮件中20次发生“免息贷款”等语汇）。

svm算法(Support Vector machines) 通称SVM，是一种监管人工智能算法，常见于归类每日任务。即使每一个目标中间有很多互相联系的特点，它也可以合理分离出来不一样种类的目标。

集成学习(Ensembles)融合了很多设备学习模型，并依据“投票法”，即认知听从大部分，或将結果平均化，进而明确目标类型。

神经元网络（Neural networks）是以人的大脑的工作原理为基本的。神经元网络由很多互相关系的神经细胞构成。神经细胞可以表明为具备好几个键入和一个导出的涵数。每一个神经细胞从键入中获得主要参数(每一个键入的不一样权重值决策了其关键水平)，对其实行特殊作用，并将結果导出。一个神经细胞的导出可以是另一个神经细胞的键入。因而，双层神经元网络得到产生。这也是深度神经网络的主题风格。以后将对这个问题开展详尽探讨。

神经元结构图:

含双层掩藏层的神经网络算法：

根据科学研究给出样版，神经元网络调节神经细胞中间的权重值，使对预期成果危害较大的神经细胞得到较大的权重值。比如，假如一个小动物是花纹的，毛绒绒的，会喵喵叫，那麼它很可能是一只猫。与此同时快速叫人投票，大家将较大权重值赋给“会喵喵叫”这一主要参数。因此，假如这只小动物沒有花纹，也不是毛绒绒的，但会喵喵叫——它依然很可能是一只猫。

深度神经网络

深度神经网络牵涉到深度神经网络。有关深层的思想观点各不相同。一些医生觉得，有两个或以上掩藏层的神经元网络，就可以被觉得是深层的；而另一些权威专家则觉得，仅有有着好几个掩藏层的神经元网络，才可以被觉得是深层的。

如今早已有一些不一样种类的神经元网络获得了充分的运用。在其中最受大家喜爱的有：

长短期记忆互联网(LSTM)用以文本分类和转化成、语音识别技术、创作歌曲和时间序列分析预测分析。

卷积神经网络（CNN)用以图像识别技术、视频采集和自然语言处理每日任务。

结果

那麼，人工智能技术、人工神经网络和深度神经网络中间有什么不同呢?坚信根据阅读文章这篇文章，你早已拥有参考答案。人工智能技术是智能化每日任务自动化技术的一个普遍行业(如阅读文章、下围棋、图像识别技术和修建无人驾驶汽车)；人工神经网络是一套人工智能技术方式，承担塑造人工智能技术的自学能力；深度神经网络则归属于科学研究双层神经元网络的人工神经网络方式。

留言板留言 关注点赞 关注

我们一起共享AI学习培训与进步的干货知识

编译程序组：徐梦瑶、杨敏迎

分类搜索：

https://www.kdnuggets.com/2019/08/artificial-intelligence-vs-machine-learning-vs-deep-learning-difference.html

如需转截，请后台管理留言板留言，遵循转截标准