AI相关概念以及之间的关系
2024-11-18 16:11:57 0 举报描绘AI相关的概念以及其之间的关系
作者其他创作
大纲/内容
感知能力
线性SVM
利用数据的线性可分性找到一条可以将数据明确划分开的线
对于非线性可分的数据形态，把数据映射到高纬空间再进行SVM分割
趋势预测，并根据实际值调整模型
RNN用来处理文本，时间等序列数据，即存在前后关系的，例如翻译
下棋等基于规则和反馈的分析决策
文本情感分析，新闻自动分类，恶意软件检测，信用评估，金融风险预测等少量异常数据场景
Geminigoogle
决策能力
Cloud AI Platform
精准控制
组合优化算法用在物流配送环节用以计算最短路径，最佳路线等
函数优化
不断合并和分类簇来构建一个层次结构，常用在基因表达运算场景
层次聚类
归一化标准化
分类算法
多模态能力
自学习能力
优化参数
决策树
聚类
算法从有标签的训练数据中学习，即每个输入数据都有对应的输出标签。通过学习输入数据和输出标签之间的映射关系，算法能够对新的输入数据进行预测。
理解能力
完整神经元模拟
解决特定问题的一系列步骤或规则集合，包括数学规则和计算方法
循环神经网络
降维算法
推理能力
基于树结构的分类和回归算法。它通过对输入数据的特征进行逐步划分，构建一个决策树模型，用于预测新数据的类别或值。
一种二分类算法，它通过寻找一个超平面来将不同类别的数据分开。SVM 的目标是找到一个具有最大间隔的超平面，使得不同类别的数据点到超平面的距离尽可能远。
训练模型
按照应用领域分类
将数据进行智能分组，方便分析
数据分析预测
讯飞星火科大讯飞
混元大模型腾讯
计算机视觉
游戏策略
kimimoonshot
文心一言百度
数据补全
生成式对抗网络
AI算法
复杂的神经网络，自动学习数据深层关系、非线性变换、特征等
利用数学逻辑遗传特性找到函数中的最大值和最小值来提升准确度
数标注
执行推理
输出能力
无监督学习
讯飞开放平台
ModelScope魔塔社区
OpenAI
按照学习方式分类
用于发现数据中的模式和趋势，常用于数据的回归分析，时间序列分析，关联规则挖掘等领域
K-均值聚类
其他架构
半监督学习
处理长文本序列的神经网络架构，类似神经元活动可以完整理解上下文并生成自然语言
组合优化
自协同训练算法
CNN主要用来处理图像和视频识别，如边缘、纹理等
支持向量机
卷积神经网络
遗传
猫狗识别分类，训练类别标签
深度学习
特殊的RNN，用来处理长序列数据的唱歌其依赖关系，例如语音识别
用于处理类似树状结构的类别数据进行分类运算，每个叶子代表一个类别，例如判断水果可以根据其属性构建分类绝决策树
没有标签的训练数据中寻找模式和结构。它的目标是发现数据中的潜在规律、聚类或降维。
在很多实际应用场景中，获取大量有标记数据往往成本很高，而无标记数据相对容易获得。半监督算法可以充分利用无标记数据中蕴含的信息，提高模型的性能和泛化能力，同时减少对大量有标记数据的依赖。
数据采集
聚类算法
ChatGPTopenai
通义大模型阿里
强化学习
一种基于生物进化原理的优化算法。它通过模拟自然选择、交叉和变异等过程，在搜索空间中寻找最优解。
非线性SVM
盘古大模型华为
核心
机器人根据现场反馈调整动作
阿里云百炼
减少数据维度，保留重要特征
Llama2Meta
数据集
一种受生物神经系统启发的计算模型，由大量的神经元（节点）和连接它们的边组成。神经网络算法通过调整神经元之间的连接权重来学习数据中的模式和规律。
数据筛选
数据增强
将数据分簇，使得数据点到簇中心的距离之和最小，常用于个性化营销
深度学习架构，基于自注意力机制让模型动态关注序列中不同部分，捕获全局依赖关系
腾讯云
机器人自动化
MAAS（Model as a Service）
人工智能（Artificial Intelligence）
Transformer架构
百度智能云
自然语言处理nlp
HuggingFace抱抱脸社区
图像生成领域，使用少量标记数据和大量无标记数据来生成对抗数据强化判断器
分类决策树
回归决策树
算法识别，处理，生成图像和视频数据，主要应用图像识别，目标检测，图像分割等李玲玉
一种通过智能体与环境的交互来学习最优策略的方法。智能体在环境中采取行动，并根据环境的反馈（奖励或惩罚）来调整自己的策略，以最大化长期累积奖励。
神经网络
回归算法
长短期记忆网络
算法识别，处理，生成文本数据使计算机理解人类语言，应用在文本分类，语音识别，翻译等
大语言模型（LLM）
控制机器人自动化系统使其执行各类任务，包括路径规划，运动规划，感知与决策等
按照算法类型分类
每个叶子作为一个回归值进行复杂维度的数据预测
监督学习
将数据分成不同的组或簇，使得同一簇中的数据具有相似的特征。
核心概念：让计算机模拟人类智能的技术和科学领域 主要依托：AI算法带来的各方面能力
0 条评论
下一页
