网站的盈利方式,志愿服务网站开发,东莞本地的发布平台,wordpress数据库导入插件文章目录 前言 概念 算法 训练 性能 应用 参考资料 前言 见《初试人工智能》 概念 人工智能系统#xff08;artifieial intelligence system#xff09;#xff0c;针对人类定义的给定目标#xff0c;产生诸如内容、预测、推荐或决策等输出的一类工程系统。该工程系… 文章目录 前言 概念 算法 训练 性能 应用 参考资料 前言 见《初试人工智能》 概念 人工智能系统artifieial intelligence system针对人类定义的给定目标产生诸如内容、预测、推荐或决策等输出的一类工程系统。该工程系统使用人工智能相关的多种技术和方法开发表征数据、知识过程等的模型用于执行任务。 人工智能加速处理器artifieial intelligence aecelerating processor以及人工智能加速芯片artifieial intelligenee accelerating chip具备适配人工智能算法的运算微架构能够完成人工智能应用运算处理的集成电路元件。 人工智能集群artifieial intelligence eluster遵循统一控制的人工智能计算功能单元的集合。人工智能计算功能单元可包含人工智能加速处理器、人工智能服务器、人工智能加速模型等。当由人工智能服务器组成时人工智能集群可称为人工智能服务器集群其中的人工智能服务器可称为节点。 机器学习machine learning通过计算技术优化模型参数的过程使模型的行为反映数据或经验。 机器学习模型machinelearning model一种基于输人数据或信息生成推理或预测的计算结构。示例如果一个单变量线性方程y axb经由线性回归训练则结果模型为y3x7。一个机器学习模型是基于机器学习算法训练的结果。 机器学习系统machine learning system能运行或用于开发机器学习模型、算法和相关应用的软件系统。包含机器学习运行时组件、机器学习框架、机器学习服务组件、工具和运维管理。提供机器学习应用的开发、训练、部署、运行和管理能力。机器学习系统框架如下图 深度学习deep learning以及深度神经网络学习deep neural network learning深度学习是机器学习的一个子集。 算法 机器学习算法machinelearning aleorithm依据给定的准则根据数据确定机器学习模型参数的算法。示例考虑求解一个单变最线性函数yaxb,上的参数a和b其中y是输出或结果x是输人b是截距(x0时y的值)a是权重。在机器学习中确定线性函数的截距和权重的过程称为线性回归。 神经网络artificial neural network由一层或多层神经元组成的网络通过权值可调的加权连接接收输入数据并产生输出。神经网络是连接主义方法的一个突出例子。虽然神经网络的设计最初是受生物神经元功能的启发但大多数神经网络的研究已不再遵循这种启发。 前馈神经网络feedforward neural networkFFNN一种神经网络其中信息仅单向从输入层传送到输出层。 卷积神经网络convolutional neural networkCNN以及深度卷积神经网络deep convolutional neural networkDCNN一种前馈神经网络在其至少一层中使用卷积。 循环神经网络recurrentneuralnetwork;RNN一种神经网络其中前一层和前一处理步骤的输出都被传送到当前层。 训练 模型训练model training利用训练数据基于机器学习算法确定或改进机器学习模型参数的过程。 有监督机器学习supervised machine learning仅用标注数据进行训练的机器学习。数据标注data labelling给数据样本指定目标变量和赋值的过程。 无监督机器学习unsupervised machine learning仅用无标注数据实施训练的机器学习。 半监督机器学习semi-supervisedmachine learning在训练过程中能够同时使用标注数据和无标注数据进行训练的一种机器学习任务。 强化学习reinforcement learning:RL一种通过与环境交互学习最佳行动序列使回报最大化的机器学习方法。 通过训练具有许多隐层的神经网络来创建丰富层次表示的方法。 迁移学习transfer learning一种将旨在解决一个问题的模型应用到不同问题上的方法。 生成式对抗网络generative adversarial networkGAN一种由单个或多个生成器网络和判别器网络组成的神经网络架构两个神经网络用相互博弈的方式进行学习。生成器依据真实样本创建具有代表性数据集的样本判别器用来区分生成的样本与真实样本。 模型优化model optimization提升模型执行速度泛化能力或改善利益相关方所关心的其他特性的方法。如神经网络模型优化的方式包含剪枝、量化、调整参数、调整模型深度和宽度、增减特征或根据硬件平台具体特性重新安排聚合算子等。 迭代iteration针对一批样本重复地执行系列步骤直至完成训练的过程。一个(训)期中的选代数量等于该期中,训练样本的批数 性能 欠拟合underfitting由于训练数据不足或不充分导致创建的模型在面向新数据时性能表现不佳或不准确。欠拟合可能会发生的情况特征选择不当训练时间不足或者因模型能力有限(如表现力)使模型过于简单而无法从大量训练数据中学习。 过拟合overfitting机器学习创建的模型过于精确地拟合训练数据对新数据缺乏泛化性。过拟合可能由以下原因造成训练的模型从训练数据中学习了非必要的特征(如,对有用输出无效的特征)训练数据中过多的噪声(例如过多的离群点)训练数据与生产数据分布的显著不匹配或模型复杂度过高而与训练数据不匹配。当在训练数据测量的误差与在独立的测试及验证数据测量的误差之间存在显著差异时过拟合能被识别。当训练数据和生产数据之间存在严重不匹配时过拟合模型的性能尤其会受到影响。 鲁棒性robustness人工智能系统在任何情况下都保持其性能水平的特性。 韧性resilience人工智能系统在事故后在符合期望的时间段内恢复可操作条件的特性。 安全性Security人工智能系统应具备任务的鉴别能力屏蔽非法输入。应具备加密通信能力保护隐私信息。应提供抵御对抗样本攻击和噪声污染的能力抵御外部对权重文件的篡改。 应用 回归模型regression model以给定数值为输入预期的输出为连续变量的机器学习模型。 分类模型classification model一种对给定输入数据输出其所属的一个或多个类别的机器学习模型。 机器翻译machine translation:MT使用计算机系统将文本或语音从一种自然语言自动翻译为另一种自然语言。 模式识别pattern recognition通过功能单元对某一对象物理或抽象的模式以及结构和配置的辨识。 情绪识别emotion recognition通过计算识别和分类一段文本、语音、视频或图像以及它们的组合中表达情绪的任务。情绪的例子包括幸褔、悲伤、愤怒和喜悦。 参考资料 GB/T 41867-2022 信息技术 人工智能 术语GB/T 43782-2024 人工智能 机器学习系统技术要求