人工智能技术应用方向分类知识点
2022-10-21 13:33:07 0 举报AI智能生成
人工智能技术应用方向分类知识点
作者其他创作
大纲/内容
1.新时代开启
机器学习
定义
通过机器模拟人类认知能力
如何学习
从数据中
监督学习
无监督学习
从行为中
强化学习
AI运用
医疗/安全/制造/自动驾驶
AI历史
第一次浪潮(1956-1974)
1964~1966 第一个自然语言对话程序 ELIZA
第二次浪潮(1980-1987)
专家系统
解决具体领域问题
第三次浪潮(2011-)
模型和算法发展
统计学习
支持向量机
概率图模型
横空出世
1950年: :图灵测试
1951: 闵斯基 第一个神经网络机器 SNARC
1955年:搜素推理
2.察异辨花
2.1分类
图像、视频，文字，声音
2.2 提取特征
特征向量
特征点和特征空间
特征点：表示的点
特征空间：特征点组成
2.3分类器
特征向量到预测类别的函数
训练分类器
训练
算法：感知器
优化：调整参数使得损失函数最小
损失函数：度量分类器输出错误程度的数学化
算法：支持向量机
特征空间上分类间隔最大分类器
2.4
应用
评判好坏
测试
实际使用
2.5多类别分类
归一化指数函数
分支主题一个向量压缩到另外一个向量中，使每个元素在0，1之间，并且元素和为1
2.6分类实际运用
人脸预测/癌症预测
3.图像识别
3.1基于手工特征的图像分类
计算机辨识图像
矩阵（matrix）
像素（pixel）
小格子
分辨率：格子行数*列数
图像特征
人类：快速分辨
机器：卷积运算
边缘特征提取
例：方向梯度直方图
3.2基于神经网络的图像分类
深度神经网络结构
多个顺序连接层
卷积层
1.第一层卷积层：图像输入
2.第二层卷积层~：前一层的特征图输入
特征图转换为特征向量
全连接层
对特征向量变换
归一化指数层
分类网络的最后一层
非线性激活层
卷积层和全连接层的变换效果保留
池化层
减少计算和参数数量
人工神经网络与生物神经网络
算法：反向传播
1.链式传播
2.随机梯度下降
3.3深度神经网络的发展与挑战
深度的“深“
2010年 ALEX net：5卷积层
2016年：polynet：10卷积层
深度的“难“
过犹不及
过拟合
训练集OK， 迎合数据 在新数据上表现不好
欠拟合
能力有限 表现不好
梯度消失
批处理化
跨层连接
3.4图像分类实际运用
3.4.1 人脸识别
4.声音区分
4.1听声
人耳：接受频率范围：85~1100HZ
声音数字化
采样/量化/编码
声音
1.语音
2.音乐
有节奏
理解声音
响度
音调
音色
共振峰
4.2音乐风格分类
计算机“耳中”的风格
梅尔频率倒谱系数
维数低
刻画不同频率的能量高低
5.识别视频
5.1图像到视频
视觉暂留
光照射到视网膜上 可以保留一段时间让人产生画面延续印象
视频
数百张照片连续拍摄
5.2视频行为识别
难点
同一类别行为差异大
行为定义不明确
环境背景差异大
行为识别特征
运动
光流
计算运动的要素
计算：2帧之间的相同点对应
5.3基于深度学习的视频行为
单帧识别
视频
识别：像素分量
水平
垂直
时间长：时序分段网络
时间短：双流卷积神经网络
6.分门别类
6.1 首次接触事物
监督学习
无监督学习
6.2 K均值聚类
聚类
数据在特征空间的聚集情况分成不同的组
算法
随机选取K个样本
每个样本划分给最近的聚类中心对应的类别，得到新划分方法
重新计算每类样本聚类中心
6.3实际运用-人群分类
人脸检测
人脸转正
特征提取
6.4层次聚类和生物聚类
每个样本单独成1列
重复合并最相似2个类
7.理解文本
7.1任务特点
潜在语义分析
文档：独立的文本
主题：文档的主要内容
7.2文本特征
词袋模型
中文分词
停止词与低频词
词频率
逆文档频率
文档频率的负对数
7.3发掘文本中潜在主题
主题模型
核心：文档词频=主题比重*主题词频
矩阵乘法运算
7.4基于文本的搜索与推荐
8.创作图画
8.1数据空间和数据分布
数据空间
数据分布
生成对抗网络
潜在空间
8.2生成网络
随机点变化为数据集相似的图片
8.3判别网咯
输入不同图片提高判断能力
8.4生成对抗网络
生成网络和判别网络互相训练
0 条评论
下一页
为你推荐
查看更多
