AI电堂|机器学习算法大解析，人工智能凭借什么过关斩将？|( 二 )
隐马尔科夫模型HMM是一种创建线性序列概率模型的有用算法 。 该算法的基本概念是马尔可夫过程 ， 它假设系统在任何时候都可以被描述为处于一组独特的状态 。 在间隔开的离散时间上 ， 系统根据与状态相关的一组概率在状态之间变化 。 马尔可夫模型中的隐藏状态表示不可直接观测的随机过程 ， 它只能通过另一组产生观测序列的随机过程间接观测 。 HMM的应用范围包括DNA和蛋白质分析中的序列建模、信息检索系统和音频测序 。
人工神经网络人工神经网络（ANN）是受到人脑启发诞生的一种基于神经网络(感知器)的算法 ， 具有很强的通用性 。 一个神经网络由多个不同的层组成 ， 每一层都包含与上一层所有人工神经元相连的人工神经元 。 输入层表示输入数据 ， 由数值组成 ， 可以处理结构化数据(例如温度传感器输出)和非结构化数据(例如图像像素) 。 根据隐藏层中哪些单元被激活 ， 输出层单元将提供预测 。
文章图片
▲人工神经网络
【AI电堂|机器学习算法大解析，人工智能凭借什么过关斩将？|】卷积神经网络(CNN)与普通ANN有很多相似之处 。 它们同样都由神经元组成 ， 而且这些神经元的权重和偏差会在学习过程中进行调整 。 整个网络仍表示单个可区分的得分函数 ， 并且有一个成本函数链接到最后一个全连接层上 。 但是 ， 与常规前馈神经网络相反 ， CNN明确假定其输入为图像 ， 它们可以将某些属性编码到网络的体系结构中 ， 让前向函数的实现更加有效 ， 并且大大减少了参数的数量 。
递归神经网络(RNN)是一种特殊类型的人工神经网络 。 它们可以应用于监督学习和无监督学习 ， 也可以用于强化学习 。 ANN在把当前输入数据考虑进去时假设它们和之前的数据无关 ， 但RNN能够计入之前数据的影响 。 ANN的神经元只有来自先前层的输入 ， 但RNN神经元的输出上带有循环 ， 因此RNN的神经元对其先前的输出具有依赖性 。 这种特性使得此类算法能够覆盖序列预测问题 ， 例如单词的语境或时间关系 。
文章图片
▲递归神经网络
五大应用系统
计算机视觉计算机视觉就是用计算机模拟人类视觉系统 ， 以识别物体或人 。 它通常利用机器学习算法来识别图片中的模式 ， 并利用这些模式对图像进行分类 。 计算机视觉任务包括获取、处理、分析和理解数字图像以及从现实世界中提取高维数据以产生数字或符号信息(例如决策)的方法 。
文章图片
▲计算机视觉
异常检测任何必须识别出偏离预期模式的偏差的应用都需要异常检测 ， 例如欺诈检测、健康监护或计算机系统入侵检测 。 异常检测有三大类 。
无监督异常检测技术会在未标记的测试数据集中检测异常 ， 其前提是假设 ， 与看起来最不适合数据集的其余实例比起来 ， 数据集中的大多数实例是正常的 。
有监督异常检测技术需要一个标记了“正常”和“异常”的数据集 ， 并涉及到训练分类器的使用 。
半监督异常检测技术会根据给定的正常训练数据集构建一个表示正常行为的模型 ， 然后测试通过该学习模型生成测试实例的可能性 。
时间序列分析描述了一种在一组时间序列数据中查找模式的分析方法 。 目的是识别可能被噪声掩盖的数据趋势 ， 并正式对其进行描述 。 此外 ， 还可以使用时间序列分析预测该序列的未来值 ， 以便进行预测 。
自然语言处理NLP是计算机以一种智能方式来分析、理解人类语言并从中获得意义的方法 。 通过利用NLP ， 开发人员可以组织和构造知识来执行自动摘要、翻译、命名实体识别、关系提取、情感分析、语音识别和主题分割之类的任务 。
推荐阅读
- 哈工海渡|新一代智能办公机器人系统上线，数字白领“上岗”
- 中投顾问|2020-2024年中国协作机器人产业的分析
- 博森科技苏闻衫|CCR炒币机器人和手动炒币的优缺点解析
- 光一样的少年|就连皮肤都拟人化的女性机器人，真的可以代替另一半？，不仅造型
- 机器学习的机器|Tuning，机器学习之Hyperparameter
- 淄博市体育总会|战斗吧！淄博市第四届智力运动会素质体育机器人运动大赛开赛
- 机器人|“女性机器人”为何备受喜爱？买家：触感好、逼真，还有3大功能
- 品品科技|了解情绪划分：如何使用机器学习来保持积极心态？
- 过往年少|女用户满意度高达98%，男网友：我们咋办？，男性机器人爆火
- 这里是乌海|大开眼界！乌海市第二届青少年机器人竞赛开赛