机器学习、深度学习、神经网络之间的关系

机器学习和深度学习通常都可以互换使用。它们都是是人工智能的子领域。更确切地说,神经网络是机器学习的子领域,深度学习是神经网络的子领域。

深度学习与机器学习不同之处在于每个算法的学习方式。深度机器学习可以用被标记了的数据集通知它的算法,也可以用未标记的数据集通知它的算法。用标记了的数据集训练叫监督学习,使用未标记的数据集训练叫无监督学习。深度学习过程可以处理非结构数据,如文本、图片。深度学习可以自动决定特征集, 这一点排除了必要的人为干预,使其能够应用到更加庞大数据量的数据集上,从这一点上来说,深度学习就是大规模的机器学习。所谓特征就是能够用于区分不同数据分类之间的值,如长、宽、高、颜色等等。

经典的机器学习更多需要依赖人为的干预。为什么这么说呢?因为需要专家来决定特征集和理解数据,通常需要非常多的结构化数据。

神经网络,又叫人工神经网络(artificial neural networks, ANNs)由节点层组成。这些节点层包括一个输入层、一到多个隐藏层、一个输出层。每一个节点(人工神经元)连接到另一个神经元,并且有一个关联的权重和阈值。如果一个神经元的输出高于指定的阈值,那么这个神经元就会被激活,并将数据发送到网络的下一层,否则这个神经元就不会发送任何数据到网络的下一层。深度学习的深度指的就是一个神经网络的层数。一个由超过三层包括输入、输出层的神经网络就是一个深度神经网络。如果只有三层,那么它就是一个基本神经网络。

深度学习和神经网络非常有效地加速了计算机视觉、自然语言、语言识别的处理。

相关推荐
青春不败 177-3266-052015 分钟前
MATLAB近红外光谱分析技术及实践技术应用
随机森林·机器学习·支持向量机·matlab·卷积神经网络·遗传算法·近红外光谱
NeoFii6 小时前
Day 22: 复习
机器学习
宇称不守恒4.07 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
码字的字节8 小时前
深度学习损失函数的设计哲学:从交叉熵到Huber损失的深入探索
深度学习·交叉熵·huber
凪卄12138 小时前
图像预处理 二
人工智能·python·深度学习·计算机视觉·pycharm
巫婆理发2228 小时前
强化学习(第三课第三周)
python·机器学习·深度神经网络
碳酸的唐8 小时前
Inception网络架构:深度学习视觉模型的里程碑
网络·深度学习·架构
AI赋能8 小时前
自动驾驶训练-tub详解
人工智能·深度学习·自动驾驶
seasonsyy8 小时前
1.安装anaconda详细步骤(含安装截图)
python·深度学习·环境配置
deephub8 小时前
AI代理性能提升实战:LangChain+LangGraph内存管理与上下文优化完整指南
人工智能·深度学习·神经网络·langchain·大语言模型·rag