请选择 进入手机版 | 继续访问电脑版

QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1632|回复: 2

深度学习(最全的中文版)_2017年新书

[复制链接]
字体大小: 正常 放大
普大帝        

821

主题

26

听众

3万

积分

  • TA的每日心情
    奋斗
    2024-3-28 15:00
  • 签到天数: 499 天

    [LV.9]以坛为家II

    网络挑战赛参赛者

    自我介绍
    我是普大帝,拼搏奋进,一往无前。
    发表于 2022-7-10 15:44 |显示全部楼层
    |招呼Ta 关注Ta
    远在古希腊时期,创造者就梦想着创造能思考的机器。神话人物皮格马利翁(Pygmalion)、代达罗斯 (Daedalus) 和赫淮斯托斯 (Hephaestus) 都可以被看作传说中的造物者,而加拉蒂亚 (Galatea)、塔洛斯 (Talos) 和潘多拉 (Pandora) 都可以被
    视为人造生命 (Ovid and Martin, 2004; Sparkes, 1996; Tandy, 1997)。当人类第一次构思可编程计算机时,就已经在思考计算机能否变得智能(尽管这距造出第一台还有一百多年)(Lovelace, 1842)。如今,人工智能 (artificial intelligence,AI) 是一个具有许多实际应用和活跃研究课题的领域,并蓬勃发展着。我们指望通过智能软件自动化处理常规劳动、理解语音或图像、帮助医学诊断和支持基础科学研究。
    在人工智能的早期,那些对人类智力来说非常困难但对计算机来说相对简单的问题得到迅速解决,比如那些可以通过一系列形式的数学规则来描述的问题。人工智能的真正挑战被证明是解决对人来说很容易执行,但很难形式化描述的任务,也就是我们人类能自动的靠直观解决的问题,比如识别所说的话或图像中的脸。这本书讨论这些更直观的问题一种解决方案。这种解决方案是为了让计算机从经验中学习,并通过层次化概念体系来理解世界,其中每个概念通过与较简单概念之间的联系来定义。让计算机通过经验获取知识,就不需要人类来形式化地列举计算机需要的所有知识。层次化的概念让计算机构建较简单的概念来学习复杂概念。
    如果绘制出这些概念如何建立在彼此之上的图,我们将得到一张 ‘‘深’’(层次很多)的图。出于这个原因,我们称这种方法为AI深度学习 (deep learning)。许多AI的早期成功发生在相对干净且形式的环境中,计算机不需要具备很多关于世界的知识。例如,IBM 的深蓝(Deep Blue)国际象棋系统在 1997 年击败了世界冠军Garry Kasparov(Hsu, 2002)。当然国际象棋是一个非常简单的领域,仅含有64 个位置并只能以严格限制的方式移动 32 个棋子。设计一种成功的国际象棋策略是巨大的成就,但向计算机描述棋子及其允许的走法并不是挑战的困难所在。国际象棋完全可以由一个非常简短的、完全形式化的规则列表描述,并可以轻松由程序员提前提供。
    讽刺的是,抽象和形式的任务对人类而言是最困难的脑力任务之一,对计算机而言却属于最容易的。即使是最好的人类棋手,计算机也早已能够将其打败,但直到最近计算机才在对象识别或语音任务中达到人类平均水平。一个人的日常生活需要关于世界的巨量知识。很多这方面的知识是主观的、直观的,因此很难通过形式的方式表达清楚。为了表现出智能,计算机需要获取同样的知识。人工智能的一个关键挑战就是如何将这些非形式的知识传达给计算机。一些人工智能项目都力求将关于世界的知识用形式化的语言进行硬编码。计算机可以通过这些形式化语言自动地使用逻辑推理规则来理解声明。这就是所谓的人
    工智能的知识图谱 (knowledge base) 方法。这些项目都没有导致重大的成功。其中最著名的项目是的 Cyc (Lenat and Guha, 1989)。Cyc 包括一个推断引擎和一个使用 CycL 语言描述的声明数据库。这些声明是由人类监督者输入的。这是一个笨拙
    的过程。人们设法设计出足够复杂的、能准确描述世界的形式规则。例如,Cyc 不能理解一个关于名为Fred的人在早上剃须的故事 (Linde, 1992)。它的推理引擎检测到故事中的不一致性:它知道人没有电气零件,但由于Fred拿着一个电动剃须刀,它
    认为实体 “FredWhileShaving’’ 含有电气部件。因此就会产生这样的疑问——Fred在刮胡子的时候是否仍然是一个人。依靠硬编码的知识体系面对的困难表明,AI系统需要具备自己获取知识的能力,即从原始数据中提取模式的能力。这种能力被称为机器学习 (machine learning)。引入机器学习使计算机能够解决涉及现实世界知识的问题,并能作出看似主观的决策。所谓逻辑回归 (logistic regression) 的简单机器学习算法可以决定是否建议剖腹产 (Mor-Yosef et al., 1990)。所谓朴素贝叶斯 (naive Bayes) 的简单机器学习算法可以区分垃圾电子邮件和合法电子邮件。些简单的机器学习算法的性能在很大程度上依赖于给定数据的表示 (repre-sentation)。例如,当逻辑回归被用于推荐剖腹产时,AI系统不直接检查患者。相反,

    医生需要告诉系统几条相关的信息,诸如子宫疤痕是否存在。表示患者的每条信息被称为一个特征。逻辑回归学习病人的这些特征如何与各种结果相关联。然而,它丝毫不能影响该特征定义的方式。如果将病人的 MRI 扫描作为逻辑回归的输入,而不是医生正式的报告,它将无法作出有用的预测。MRI 扫描的单一像素与分娩过DRAFT中的并发症只有微不足道的相关性。对表示的依赖是在整个计算机科学乃至日常生活中出现的普遍现象。在计算机科学中,如果数据集合经过精巧的结构化并建立索引,数据操作的处理速度可以成倍的加快(如搜索)。人们可以很容易地在阿拉伯数字的表示下进行算术运算,但在罗马数字的表示下运算会更耗时。毫不奇怪,表示的选择会对机器学习算法的性能产生巨大的影响。


    图1.1显示了一个简单的可视化例子


    QQ截图20220710152424.png


    深度学习(最全的中文版)_2017年新书.pdf

    30.28 MB, 下载次数: 0, 下载积分: 体力 -2 点

    售价: 5 点体力  [记录]

    zan

    0

    主题

    9

    听众

    299

    积分

    升级  99.5%

  • TA的每日心情
    开心
    2023-10-14 10:28
  • 签到天数: 28 天

    [LV.4]偶尔看看III

    回复

    使用道具 举报

    849692904        

    0

    主题

    3

    听众

    4

    积分

    升级  80%

    该用户从未签到

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2024-3-29 03:16 , Processed in 0.746978 second(s), 65 queries .

    回顶部