第一次作业:深度学习基础

第一次作业:深度学习基础

经过了第一周的学习,对深度学习有了系统的认识。

视频学习

1.1 绪论

1.2 深度学习概述

1.3 pytorch基础

代码练习

2.1 螺旋数据分类

2.2 回归分析

1. 视频学习

通过视频学习整理出以下知识点,做好理论储备。

1.1 绪论

AI诞生:1956年美国达特茅斯会议:人工智能 (Artificial Intelligence) 概念诞生。

图灵测试(英语:Turing test,又译图灵试验)是图灵于1950年提出的一个关于判断机器是否能够思考的著名思想实验,测试某机器是否能表现出与人等价或无法区分的智能。测试的谈话仅限于使用唯一的文本管道,例如计算机键盘和屏幕,这样的结果不依赖于计算机把单词转换为音频的能力。

——维基百科

img

关系:人工智能>机器学习>深度学习

第一次作业:深度学习基础

机器学习应用领域:

计算机视觉(CV)、语音识别、自然语言处理(NLP)

计算机视觉应用:图像分类、目标检测、语义分割等

机器学习三要素:

模型:问题建模、确定假设空间

策略:确定目标函数

算法:求解模型参数

对于模型的分类:

数据标记:监督学习模型、无监督学习模型(半监督学习模型、强化学习模型)

数据分布:参数模型、非参数模型

建模对象:判别模型、生成模型

知识工程(专家系统) vs 机器学习(神经网络)

知识图谱(符号主义) vs 深度学习(连接主义)

第一次作业:深度学习基础

机器学习模型:

第一次作业:深度学习基础

人工智能的发展:

第一次作业:深度学习基础

标志性人物:

名称 事件
Rosenblatt   提出感知机(Perceptron)  
Minsky   论证了感知机的局限(异或门与计算量)  
Rumelhart   阐述BP反向传播算法及其应用  
Yann Lecun   运用卷积神经网络(CNN)  
Geoffrey Hinton   坚守神经网络研究,并改名深度学习(Deep Learning),发表深度置信网络(DBN)并使用限制玻尔兹曼机(RBM)学习  
Andrew Ng   使用GPU加快运行速度  
李飞飞   宣布建立超大型图像数据库ImageNet,ILSVRC竞赛成为技术突破的转折点  
Yoshua Bengio   使用修正线性单元(ReLU)作为激励函数  
Schmidhuber   提出了长短期记忆(LSTM)的计算模型  
Ian Goodfellow   提出生成式对抗网络(GANs)  

2019年图灵奖:Geoffrey Hinton, Yann LeCun,和Yoshua Bengio

1.2 深度学习概述

神经网络结构的发展:

第一次作业:深度学习基础

深度学习三个助推剂:大数据、算法、计算力

深度学习的局限性:

线性回归、决策树、SVM、随机森林、深度学习,从左往右准确性(泛化性)递增,解释性递减。

第一次作业:深度学习基础

M-P神经元:

M-P神经元由McCulloch与Pitts发现并命名,作为神经网络的基本单位。

第一次作业:深度学习基础

各种激活函数:

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wpgspy.html