一线算法工程师,全程面授指导,让每一位学员高薪就业
课程咨询:180 0058 5380
猎维人工智能培训

人工智能技术中常说的技术名词你都知道吗?

发布时间:2019-07-17 11:00:34   分类: AI知识及进阶教程   阅读量:49  作者:猎维人工智能培训

当前位置: 猎维科技AI培训 > AI知识及进阶教程 > 人工智能技术中常说的技术名词你都知道吗?

当下在技术先驱者在讨论“人工智能”时,往往会带上很多的专业名词,让很多有心听讲的朋友却无法弄清,小编现在就给大家科普下一下这些常出现在人工智能讨论中的名词。

1、人工神经网络

人工智能的实现,很大一部分是基于人工神经网络。人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。人工神经网络系统是 20 世纪 40 年代后出现的。它是由众多的神经元可调的连接权值连接而成,具有大规模并行处理、分布式信 息存储、良好的自组织自学习能力等特点。误差反向传播算法,是人工神经网络中的一种监督式的学习算法。BP 神经网络算法在理 论上可以逼近任意函数,基本的结构由非线性变化单元组成,具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定,灵活性很大,在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。

人工神经网络中的一种监督式的学习算法

人工智能的实现,很大一部分是基于人工神经网络

2、BP神经网络

  BP(Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用梯度下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hidden layer)和输出层(output layer)。

3、梯度下降法

梯度下降法是一个最优化算法,通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一,虽然现在已经不具有实用性,但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的,最速下降法越接近目标值,步长越小,前进越慢。函数的梯度是一个函数变化的速率,这里的负梯度方向搜索即向着梯度越来越小的方向搜索,这里涉及到一些高等数据的基础知识。

梯度下降法是一个最优化算法,通常也称为最速下降法

最速下降法是求解无约束优化问题最简单和最古老的方法之一

4、卷积神经网络

卷积神经网络是人工神经网络的一种,已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络,降低了网络模型的复杂度,减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显,使图像可以直接作为网络的输入,避免了传统识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别二维形状而特殊设计的一个多层感知器,这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性。

卷积神经网络是一种特殊的深层的神经网络模型,它的特殊性体现在两个方面,一方面它的神经元间的连接是非全连接的, 另一方面同一层中某些神经元之间的连接的权重是共享的(即相同的)。它的非全连接和权值共享的网络结构使之更类似于生物 神经网络,降低了网络模型的复杂度(对于很难学习的深层结构来说,这是非常重要的),减少了权值的数量。

卷积神经网络是人工神经网络的一种,已成为当前语音分析和图像识别领域的研究热点

卷积神经网络是一种特殊的深层的神经网络模型

回想一下BP神经网络。BP网络每一层节点是一个线性的一维排列状态,层与层的网络节点之间是全连接的。这样设想一下,如果BP网络中层与层之间的节点连接不再是全连接,而是局部连接的。这样,就是一种最简单的一维卷积网络。如果我们把上述这个思路扩展到二维,这就是我们在大多数参考资料上看到的卷积神经网络。

以上就是人工智能技术中常说的技术名词解析,想要学习人工智能的小伙伴都了解了吗?考虑到人工智能学习的复杂性,大家最好还是报培训班好好系统的学习基础知识,不然后面深入人工智能的学习将会遇到困难,降低学习效率。