iT邦幫忙

1

人工智慧-機器學習-強化學習-深度學習-卷積網路

因為自己不太懂,所以就整理了一下,這之間的關係。

https://ithelp.ithome.com.tw/upload/images/20200115/20122944o2w3C3Iq5h.jpg

人工智慧(Artificial Intelligence,AI)

指由人製造出來的機器,所表現出來的智慧型。通常人工智慧是指透過普通電腦程式來呈現人類智慧型的技術。

機器學習(Machine Learning,ML)

是人工智慧的一個分支,簡單來說就是「機器可自主學習」,分成下面幾種類別:

  1. 監督學習(Supervised):從給定的訓練資料集中學習出一個函式,當新的資料到來時,可以根據這個函式預測結果。監督學習的訓練集要求是包括輸入和輸出,也可以說是特徵和目標。訓練集中的目標是由人標註的。常見的監督學習演算法包括回歸分析和統計分類。(監督學習和無監督學習的差別就是訓練集目標是否人標註。他們都有訓練集且都有輸入和輸出)
  2. 無監督學習(Unsupervised):與監督學習相比,訓練集沒有人為標註的結果。常見的無監督學習演算法有生成對抗網路(GAN)、聚類。
  3. 半監督學習(Semi-supervised):介於監督學習與無監督學習之間。
  4. 強化學習(Reinforcement learning):機器為了達成目標,隨著環境的變動,而逐步調整其行為,並評估每一個行動之後所到的回饋是正向的或負向的。

深度學習(Deep Learning,DL)

是機器學習的分支,一種以人工神經網路為架構,對資料進行表徵學習的演算法。(例如:在購物網站上,會出現一些可能是你感興趣的推薦產品,亦是一種深度學習過後的呈現)

https://ithelp.ithome.com.tw/upload/images/20200115/20122944M9eqiRdLmZ.png

※ 最大差異則在於特徵擷取

  1. 機器學習:人類協助標示特徵(feature)
  2. 深度學習:電腦或機台會自己找到特徵(例如CNN中的Convolution layer,ReLU layer跟Pooling layer在做的部分就是特徵擷取的工作)

卷積神經網路(Convolutional Neural Network,CNN)

深度學習中的其中一種結構,將DL實作出來的其中一種方法,其他包括FNN、RNN、DenseNet也是用來實作深度學習的神經網路方法。

參考資料:

[1] 維基百科:https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD
[2] 論人工智慧與其他之關係:https://medium.com/@chih.sheng.huang821/%E4%BB%80%E9%BA%BC%E6%98%AF%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7-%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E5%92%8C%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-587e6a0dc72a


尚未有邦友留言

立即登入留言