当前位置: 首页 > news >正文

深度学习介绍与环境搭建

深度学习介绍与环境搭建

慕课大学人工智能学习笔记,自己学习记录用的。(赋上连接)
https://www.icourse163.org/learn/ZUCC-1206146808?tid=1471365447#/learn/content?type=detail&id=1256424053&cid=1289366515

人工智能、机器学习与深度学习的关系

在这里插入图片描述

机器学习
  • 机器学习是人工智能的一个分支,它是实现人工智能的一个核心技术,即以机器学习为手段解决人工智能中的问题
  • 机器学习是通过一些让计算机可以自动学习的算法,并从数据中分析获得规律,然后利用规律对新样本进行预测
  • 机器学习的形式化的描述:对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么就称这个计算机程序在从经验E学习。

在这里插入图片描述

机器学习的学习形式分类

在这里插入图片描述

  • 有监督学习指的是事先要准备好输入与正确输出(区分方法)相配套的训练数据,让计算机进行学习,以便当他被输入某个数据是能够得到正确的输出(区分方法)。
  • 无监督学习的目的是让计算机自己去学习怎样做一些事情,所有数据只有特征没有标记。无监督学习备孕用与仅提供输入用数据、需要计算机自己找出数据内在结构的场合。其目的是让计算机从数据中抽取其中所包含的模式及规则。
  • 半监督学习,二者的中间地带是半监督学习,对于半监督学习,其训练数据一部分有标记,另一部分没有标记,而没有标记数据的数量尝尝极大与有标记数据的数量。它的基本规律是:数据的分部必然不是完全随机的,通过结合有标记数据的局部特征,以及大量没标记数据的整体分部,可以得道比较好的分类结果。
  • 强化学习,是解决计算机从感知到决策控制的问题,从而实现通用人工智能。强化学习是目标导向的,从白纸一张的状态开始,经由许多个步骤来实现某一维度上的目标最大化。最简单的理解是在训练过程中,不断去尝试,错误就惩罚,正确就奖励,由此训练得到的模型在各个状态环境中都最好。对强化学习来说,它虽然没有标记,但有一个延迟奖励与训练相关,通过学习过程中的激励函数获得某种从状态到行动的映射,强化学习强调如何基于环境而行动,以取得最大化的预期利益。强化学习一般在游戏、下期等需要连续决策的领域。
无监督机器学习的典型应用模式

在这里插入图片描述

有监督机器学习的典型应用模式

在这里插入图片描述
在这里插入图片描述

深度学习

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
全连接网络:指的是Layer1层的节点和后一层全都有连接。

常见的激活函数在这里插入图片描述

在这里插入图片描述

深度神经网络

如果有层数、节点越多神经网络能力越强。

在这里插入图片描述

卷积神经网络CNN
卷积神经网络是深度学习中最重要的概念之一
20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现,其独特的网络结构可以有效降低神经网络的复杂性。
1998年,Yann LeCun提出了LeNet神经网络,标志着第一个采用卷积思想的神经网络面世。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
深度学习技术存在的问题:

  • 面向任务单一
  • 依赖于大规模有标签数据
  • 几乎是个黑箱模型,可解释性不强
    无监督的深度学习、迁移说戏、深度强化学习和贝叶斯深度学习等受关注
    深度学习具有很好的可推广性和应用性,但不是人工智能的全部,未来人工智能需要有更多类似技术。

深度学习框架

在这里插入图片描述
在这里插入图片描述

相关文章:

深度学习介绍与环境搭建

深度学习介绍与环境搭建 慕课大学人工智能学习笔记,自己学习记录用的。(赋上连接) https://www.icourse163.org/learn/ZUCC-1206146808?tid1471365447#/learn/content?typedetail&id1256424053&cid1289366515人工智能、机器学习与…...

QT C++实践|超详细数据库的连接和增删改查操作|附源码

0:前言 🪧 什么情况需要数据库? 1 大规模的数据需要处理(比如上千上万的数据量)2 需要把数据信息存储起来,无论是本地还是服务上,而不是断电后数据信息就消失了。 如果不是上面的原因化,一般…...

matlab:涉及复杂函数图像的交点求解

matlab:涉及复杂函数图像的交点求解 在MATLAB中求解两个图像的交点是一个常见的需求。本文将通过一个示例,展示如何求解两个图像的交点,并提供相应的MATLAB代码。 画出图像 首先,我们需要绘制两个图像,以便直观地看…...

Unity(第二十二部)官方的反向动力学一般使用商城的IK插件,这个用的不多

反向动力学(Inverse Kinematic,简称IK)是一种通过子节点带动父节点运动的方法。 正向动力学 在骨骼动画中,大多数动画是通过将骨架中的关节角度旋转到预定值来生成的,子关节的位置根据父关节的旋转而改变,这…...

nginx反向代理,获取客户端ip

一、获取客户端ip代码 /*** description: 获取客户端IP* return string*/ public static function getClientIp(){$ip ;if(getenv(HTTP_CLIENT_IP) && strcasecmp(getenv(HTTP_CLIENT_IP),unknown)){$ip getenv(HTTP_CLIENT_IP);}else if(getenv(HTTP_X_FORWARDED_F…...

13 Codeforces Round 886 (Div. 4)G. The Morning Star(简单容斥)

G. The Morning Star 思路:用map记录x,y,以及y-x、yx从前往后统计一遍答案即可公式 a n s c n t [ x ] c n t [ y ] − 2 ∗ c n t [ x , y ] c n t [ y x ] c n t [ y − x ] anscnt[x]cnt[y]-2 * cnt[x,y]cnt[yx]cnt[y-x] anscnt[x]…...

CLion 2023:专注于C和C++编程的智能IDE mac/win版

JetBrains CLion 2023是一款专为C和C开发者设计的集成开发环境(IDE),它集成了许多先进的功能,旨在提高开发效率和生产力。 CLion 2023软件获取 CLion 2023的智能代码编辑器提供了丰富的代码补全和提示功能,使您能够更…...

数据可视化基础与应用-02-基于powerbi实现连锁糕点店数据集的仪表盘制作

总结 本系列是数据可视化基础与应用的第02篇,主要介绍基于powerbi实现一个连锁糕点店数据集的仪表盘制作。 数据集描述 有一个数据集,包含四张工作簿,每个工作簿是一张表,其中可以销售表可以划分为事实表,产品表&am…...

前后端分离Vue+nodejs酒店公寓客房预订管理系统udr7l-java-php-django-springboot

本系统的设计与实现共包含13个表:分别是关于我们信息表,配置文件信息表,公寓信息评论表信息表,公寓入住信息表,公寓退房信息表,公寓信息信息表,公寓预订信息表,系统公告信息表,收藏表…...

VUE打包的dist文件放到后端一起发布

背景 前后端分离开发的项目,在部署时为了方便部署,使用集成部署的方式(即前后端在一起部署的方式) 问题 直接将前端打包好的dist文件夹下的内容,放到后端项目的resource/static目录下,但是在启动访问时发…...

React入门之React_渲染基础用法和class实例写法

渲染元素 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>04元素渲染</title><script src&…...

Git自动忽略dll文件的问题

检查了半天发现是sourcetreee的全局忽略文件导致&#xff0c; 从里面删除dll即可。 我是干脆直接删了全局忽略&#xff0c;太恶心了&#xff0c;如下&#xff1a; #ignore thumbnails created by windows Thumbs.db #Ignore files build by Visual Studio *.exe .vsconfig .s…...

sql中如何实现递归

在SQL中&#xff0c;递归通常是通过使用公用表表达式&#xff08;Common Table Expressions&#xff0c;CTE&#xff09;来实现的。CTE允许你定义一个临时的结果集&#xff0c;该结果集可以在一个SELECT、INSERT、UPDATE或DELETE语句的主体中被引用。 递归CTE有两个关键部分&a…...

GPT 的基础 - T(Transformer)

我们知道GPT的含义是&#xff1a; Generative - 生成下一个词 Pre-trained - 文本预训练 Transformer - 基于Transformer架构 我们看到Transformer模型是GPT的基础&#xff0c;这篇博客梳理了一下Transformer的知识点。 BERT: 用于语言理解。&#xff08;Transformer的Encoder…...

微信小程序 --- 常用样式和组件

常用样式和组件 1. 组件和样式介绍 在开 Web 网站的时候&#xff1a; 页面的结构由 HTML 进行编写&#xff0c;例如&#xff1a;经常会用到 div、p、 span、img、a 等标签 页面的样式由 CSS 进行编写&#xff0c;例如&#xff1a;经常会采用 .class 、#id 、element 等选择…...

深圳智能制造半导体芯片行业源代码防泄密完整解决方案

一、芯片半导体行业防泄密&#xff0c;不能用监控及管控方式来实现&#xff0c;采用管控方式&#xff0c;首先不能主动防御&#xff0c;只能进行事后查询&#xff0c;并且管控方式&#xff0c;不利于嵌入式开发&#xff0c;对于嵌入式开发&#xff0c;不管是采用沙箱隔离或u口禁…...

Unity UI适配规则和对热门游戏适配策略的拆解

前言 本文会介绍一些关于UI适配的基础概念&#xff0c;并且统计了市面上常见的设备的分辨率的情况。同时通过拆解目前市面上较为成功的两款休闲游戏Royal Match和Monopoly GO(两款均为近期游戏付费榜前几的游戏)&#xff0c;大致推断出他们的适配策略&#xff0c;以供学习和参…...

嵌入式学习day25 Linux

进程基本概念: 1.进程: 程序&#xff1a;存放在外存中的一段数据组成的文件 进程&#xff1a;是一个程序动态执行的过程,包括进程的创建、进程的调度、进程的消亡 2.进程相关命令: 1.top 动态查看当前系统中的所有进程信息&#xff08;根据CPU占用率排序&a…...

Oracle数据泵跨大版本迁移数据库

Oracle数据泵跨大版本迁移数据库 source库导出元数据传输dump和数据文件到target库target库导入数据库迁移后的工作 &#x1f988;场景&#xff1a;将测试环境中一台Oracle 11g数据库迁移到另一台新搭建的19c数据库中。 &#x1f914;分析&#xff1a;由于是跨数据库大版本&…...

如何在Win系统从零开始搭建Z-blog网站,并将本地博客发布到公网可访问

文章目录 1. 前言2. Z-blog网站搭建2.1 XAMPP环境设置2.2 Z-blog安装2.3 Z-blog网页测试2.4 Cpolar安装和注册 3. 本地网页发布3.1. Cpolar云端设置3.2 Cpolar本地设置 4. 公网访问测试5. 结语 1. 前言 想要成为一个合格的技术宅或程序员&#xff0c;自己搭建网站制作网页是绕…...

英语作为外语的难度分析(针对中国学习者)

英语作为外语的难度分析&#xff08;针对中国学习者&#xff09;对中国学习者而言&#xff0c;英语作为外语的难度尤为突出&#xff0c;核心原因在于其书写、发音、词汇、语法四大系统均与汉语完全脱节&#xff0c;且逻辑体系复杂、无任何母语基础可依托&#xff0c;整体难度远…...

别再死记硬背公式了!用Python+PlatEMO实战解析DTLZ七大基准问题

用PythonPlatEMO实战解析DTLZ七大基准问题&#xff1a;告别公式恐惧&#xff0c;从代码理解多目标优化 第一次接触多目标优化时&#xff0c;那些晦涩的数学公式总让人望而生畏。DTLZ系列作为经典基准问题&#xff0c;论文中复杂的符号系统常把初学者挡在门外。但换个角度想——…...

保姆级教程:用OpenCV玩转双目视觉,从SAD到SGBM算法实战(附避坑指南)

双目视觉实战&#xff1a;从SAD到SGBM算法的OpenCV完整实现路径 当你第一次看到双目相机生成的深度图时&#xff0c;那种将二维图像转化为三维空间的魔法感会让人着迷。作为计算机视觉领域的经典问题&#xff0c;立体匹配算法的选择直接影响着深度感知的精度和效率。本文将带你…...

3大核心价值:FinBERT金融情感分析如何重塑投资决策流程

3大核心价值&#xff1a;FinBERT金融情感分析如何重塑投资决策流程 【免费下载链接】finbert 项目地址: https://ai.gitcode.com/hf_mirrors/ai-gitcode/finbert FinBERT金融情感分析模型通过深度学习技术解析金融文本的情感倾向&#xff0c;为投资机构、量化团队和金融…...

基于二分法的S型速度曲线动态规划与C语言实现

1. S型速度曲线与工业运动控制 在工业自动化领域&#xff0c;运动控制算法直接影响设备运行的平稳性和精度。传统梯形速度曲线存在加速度突变的问题&#xff0c;容易导致机械振动和冲击。相比之下&#xff0c;S型速度曲线通过引入加加速度&#xff08;Jerk&#xff09;的概念&…...

Arduino串口调试:从Serial.println()到数据可视化的实战解析

1. Arduino串口通信基础入门 第一次接触Arduino的开发者&#xff0c;往往会被串口通信这个概念吓到。其实它就像两个人对话一样简单——Arduino通过串口向电脑"说话"&#xff0c;电脑通过串口监视器"听"并显示出来。Serial.println()就是Arduino最常用的&q…...

第21篇:Midjourney进阶咒语库——精准控制风格、构图与细节的秘籍(操作教程)

文章目录前言环境准备&#xff1a;理解Midjourney的“语言规则”分步操作&#xff1a;构建你的三维度咒语库第一步&#xff1a;风格控制——决定画面的“基因”1. 艺术风格与流派2. 媒介与材质3. 时代与地区风格第二步&#xff1a;构图控制——成为画面的“导演”1. 镜头与景别…...

DownKyi终极指南:5分钟掌握B站视频下载完整教程

DownKyi终极指南&#xff1a;5分钟掌握B站视频下载完整教程 【免费下载链接】downkyi 哔哩下载姬downkyi&#xff0c;哔哩哔哩网站视频下载工具&#xff0c;支持批量下载&#xff0c;支持8K、HDR、杜比视界&#xff0c;提供工具箱&#xff08;音视频提取、去水印等&#xff09;…...

生成式AI多语言支持不是加个翻译API!资深NLP架构师首曝内部验证的4级合规性校验矩阵

第一章&#xff1a;生成式AI应用多语言支持方案 2026奇点智能技术大会(https://ml-summit.org) 生成式AI应用的全球化落地&#xff0c;核心挑战之一在于构建鲁棒、可扩展且语义一致的多语言支持能力。这不仅涉及文本翻译&#xff0c;更涵盖提示工程本地化、文化适配、低资源语…...

基于ZigBee的家庭监护系统(有完整资料)

资料查找方式&#xff1a;特纳斯电子&#xff08;电子校园网&#xff09;&#xff1a;搜索下面编号即可编号&#xff1a;T1122305M设计简介&#xff1a;本设计是基于STM32的家庭监护系统&#xff0c;主要实现以下功能&#xff1a;1.主机与从机采用Zigbee进行通信 2.可通过MQ-2采…...