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
罗西的思考10 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
Be for thing14 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
武子康15 小时前
AI通关了,游戏就算通过测试了吗?
人工智能·游戏·机器学习
tellmewhoisi17 小时前
深度学习0:数学知识:(雅可比矩阵)
人工智能·深度学习·矩阵
谙弆悕博士20 小时前
从“预测下一个词”到“预测世界下一状态”:世界模型是不是下一个AGI叙事?
人工智能·gpt·深度学习·神经网络·agi·jepa·genie 4
linweidong20 小时前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
咕泡科技20 小时前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习
龙腾AI白云21 小时前
具身智能模仿学习与人类示教:从观察中习得动作
数据库·机器学习·知识图谱·pygame
电科_银尘21 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习