人工智能实践Tensorflow笔记:人工智能概述-1

简介: 人工智能实践Tensorflow笔记:人工智能概述-1
+关注继续查看

一些基本概念

人工智能:机器模拟人的意识和思维


机器学习: 是一种统计学方法,计算机利用已有数据,得出某种模型,再利用此模型预测结果

image.png

特点:随经验的增加,效果会变好


举例: 决策树模型

image.png

机器学习三要素:数据、算法、算力


深度学习:深层次神经网络,源于对生物脑神经元结构的研究。


神经网络: 是基于神经元结构的,是输入乘以权重,再求和,再过非线

性函数的过程

image.png

人脑神经网络:随着人的成长,脑神经网络是在渐渐变粗变壮

image.png



神经网络的发展历史

感知机 -》反向传播方法 —》 深层次神经网络


机器学习的主要应用:

1、对连续数据的 预测

image.png

2、对离散数据的 分类

image.png


机器学习应用领域:

计算机视觉,语音识别,自然语言处理

相关文章
|
机器学习/深度学习 人工智能 算法
人工智能实践Tensorflow笔记:Tensorflow框架-3
人工智能实践Tensorflow笔记:Tensorflow框架-3
101 0
人工智能实践Tensorflow笔记:Tensorflow框架-3
|
人工智能 Ubuntu TensorFlow
人工智能实践Tensorflow笔记:Python语法串讲-2
人工智能实践Tensorflow笔记:Python语法串讲-2
人工智能实践Tensorflow笔记:Python语法串讲-2
|
机器学习/深度学习 人工智能 TensorFlow
AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
|
机器学习/深度学习 数据可视化 TensorFlow
学习笔记 | 深度学习开发—TensorFlow实践(线性回归问题TensorFlow实战)
学习笔记 | 深度学习开发—TensorFlow实践(线性回归问题TensorFlow实战)
学习笔记 | 深度学习开发—TensorFlow实践(线性回归问题TensorFlow实战)
|
机器学习/深度学习 算法 TensorFlow
学习笔记 | 深度学习开发—TensorFlow实践(线性回归 tensorflow实战)
学习笔记 | 深度学习开发—TensorFlow实践(线性回归 tensorflow实战)
学习笔记 | 深度学习开发—TensorFlow实践(线性回归 tensorflow实战)
|
机器学习/深度学习 数据可视化 TensorFlow
学习笔记 | 深度学习开发—TensorFlow实践(TensorBoard可视化工具)
学习笔记 | 深度学习开发—TensorFlow实践(TensorBoard可视化工具)
学习笔记 | 深度学习开发—TensorFlow实践(TensorBoard可视化工具)
|
机器学习/深度学习 算法 TensorFlow
学习笔记 | 深度学习开发—TensorFlow实践(基本运算)
学习笔记 | 深度学习开发—TensorFlow实践(基本运算)
学习笔记 | 深度学习开发—TensorFlow实践(基本运算)
|
机器学习/深度学习 TensorFlow 算法框架/工具
学习笔记 | 深度学习开发—TensorFlow实践(基础概念)
学习笔记 | 深度学习开发—TensorFlow实践(基础概念)
学习笔记 | 深度学习开发—TensorFlow实践(基础概念)
|
人工智能 Ubuntu TensorFlow
人工智能实践Tensorflow笔记:Python语法串讲-2
人工智能实践Tensorflow笔记:Python语法串讲-2
|
机器学习/深度学习 人工智能 并行计算
HaaS AI之手写数字识别快速实践,在VSCode中搭建TensorFlow 2.0简单神经网络
本文将介绍如何在VSCode里面搭建TensorFlow的开发环境,并跑一个简单的神经网络来进行手写数据的识别。
HaaS AI之手写数字识别快速实践,在VSCode中搭建TensorFlow 2.0简单神经网络
推荐文章
更多