参考:
深度学习四大类网络模型
干货|机器学习超全综述!
机器学习ML、卷积神经网络CNN、循环神经网络RNN、马尔可夫蒙特卡罗MCMC、生成对抗网络GAN、图神经网络GNN------人工智能经典算法
- MLP(Multi Layer Perseption)用在神经网络中
- CNN(Convolutional Neural Networks):卷积神经网络
主要用于CV
- U-Net
用于语义分割
-
RNN(Recurrent Neural Network):循环神经网络(或者说递归神经网络)
-
DNN(Deep Neural Networks):深度神经网络
-
GNN(Graph Neural Networks):图神经网络
-
BRNN(Recurrent Neural Network):双向长短时记忆循环神经网络
-
GAN(Generative Adversarial Networks):生成式对抗网络
-
SORT(Simple Online and Realtime Tracking):简单的在线和实时跟踪
-
NLP(Natural Language Processing):自然语言处理
-
MTL(Multi-Task-Learning):多任务学习
-
LSTM(Long Short-Term Memory):长短期记忆网络
-
CV(Computer Vision):计算机视觉
-
Transformer
主要用在NLP中,现在在CV领域,也在快速发展,目前最火的肯定是GPT,主要用来做内容生成。
-
GPT
GPT:Generative Pre-trained Transformer:生成式预训练Transformer。主要用在文本生成,图像生成,机器聊天,机器问答等领域。
机器学习ML主要体现在几个部分:
数据挖掘:来发现数据之间的关系
CV:这个很火
NLP:自然语言处理,这个和大语言模型差不多
语音识别:让机器听懂机器
决策:让机器做决定。(无人驾驶中的汽车控制决策)
我很喜欢这个图来表示机器学习:
模型建立是属于比较有趣的部分,根据目标变量(通常称为Y变量)的数据类型(定性或定量),建立一个分类(如果Y是定性的)或回归(如果Y是定量的)模型。
机器学习算法可以大致分为以下三种类型之一:
监督学习:是一种机器学习任务,建立输入X和输出Y变量之间的数学(映射)关系。这样的X、Y对构成了用于建立模型的标签数据,以便学习如何从输入中预测输出。
无监督学习:是一种只利用输入X变量的机器学习任务。这种 X 变量是未标记的数据,学习算法在建模时使用的是数据的固有结构。
强化学习:是一种决定下一步行动方案的机器学习任务,它通过试错学习来实现这一目标,努力使回报最大化。