“大数据智能”版本间的差异
（→机器认知） |
|||
| 第95行： | 第95行： | ||
[https://github.com/Theano/Theano/ Theano_code] | [https://github.com/Theano/Theano/ Theano_code] | ||
| + | |||
| + | =增强学习= | ||
| + | 增强学习（Reinforcement Learning） | ||
| + | |||
| + | ==增强学习入门材料== | ||
| + | An Introduction to Reinforcement Learning | ||
| + | [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html Intro_RL] | ||
| + | |||
| + | Algorithms for Reinforcement Learning | ||
| + | [http://www.ualberta.ca/~szepesva/papers/RLAlgsInMDPs.pdf RLAlgsInMDPs] | ||
| + | |||
| + | ==工具== | ||
| + | ===谷歌=== | ||
| + | deepmind/lab | ||
| + | [https://github.com/deepmind/lab deepmind_lab] | ||
| + | |||
| + | ===OpenAI=== | ||
| + | openai/universe | ||
| + | [https://github.com/openai/universe openai_universe] | ||
| + | |||
=机器感知= | =机器感知= | ||
| 第142行： | 第162行： | ||
机器认知（Machine Cognition），自然语言理解，推理，注意，知识，学习，决策，交互等。 | 机器认知（Machine Cognition），自然语言理解，推理，注意，知识，学习，决策，交互等。 | ||
| − | |||
<B>技术手段：</B> | <B>技术手段：</B> | ||
深度学习（Deep Learning） + 增强学习（Reinforcement/Unsupervised Learning） | 深度学习（Deep Learning） + 增强学习（Reinforcement/Unsupervised Learning） | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
=前沿应用进展= | =前沿应用进展= | ||
2017年1月9日 (一) 03:36的版本
人工智能简介
人工智能，是指计算机系统具备从听说读写到搜索、推理、决策和回答问题等类人智能的能力。即， 感知、理解、决策的能力。
人工智能历史
过去经历了2次高潮与2次低谷
网络和云计算所支持的计算能力
基于大数据的机器学习的算法进步
阅读材料：
- The rebirth of neural networks-ISCA-2010 rebirth_NN
四个层面
目标与功能分类
语音识别、机器视觉、自然语言理解。
智能问答是综合以上功能的高级系统。
核心技术分类
特定算法 机器学习算法 深度神经网络
软件工具
TensorFlow / Caffe / Torch
底层硬件分类
可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集
国际研究
Facebook_AI-Research (Yann LeCun)
MSR Deep Learning Technology Center (DLTC) (Li Deng)
OpenAI (Ilya Sutskever)
机器学习
Machine Learning
- Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. Machine_learning_science_2015
深度学习
Deep Neural Networks，简称DNN
深度学习工具
谷歌
微软
DMLC
Université de Montréal
增强学习
增强学习（Reinforcement Learning）
增强学习入门材料
An Introduction to Reinforcement Learning Intro_RL
Algorithms for Reinforcement Learning RLAlgsInMDPs
工具
谷歌
deepmind/lab deepmind_lab
OpenAI
openai/universe openai_universe
机器感知
机器感知(Machine Perception)，如语音，图像，视频，手势，姿态等
基于深度学习的机器感知
语音识别
语音识别（Automatic Speech Recognition），简称ASR
- Google Speech
- Google Speech Processing from Mobile to Farfield, CHiME 2016. Google_Speech_Processing
- Long short term memory neural network (LSTM)
- Long short term memory neural computation, Neural computation 9 (8), 1735-1780, 1997. LSTM
- Connectionist temporal classification (CTC)
- Connectionist temporal classification: labelling unsegmented sequence data with recurrent neural networks, ICML 2006.
- Gated Recursive Unit (GRU)
- On the Properties of Neural Machine Translation: Encoder-Decoder Approaches, SSST-8, 2014.
计算机视觉
计算机视觉（Computer Vision），简称 CV
- Object Detection
- R-CNN (Region-based Convolutional Network method)
- Region based convolutional networks for accurate object detection and segmentation, TPAMI, 2015.
- Rich feature hierarchies for accurate object detection and semantic segmentation, CVPR 2014.
- Fast R-CNN (Fast Region-based Convolutional Network method)
- Fast R-CNN, ICCV 2015.
- Faster R-CNN (Faster Region-based Convolutional Network method)
- Faster R-CNN Towards real-time object detection with region proposal networks, NIPS, 2015.
- • Fast_R-CNN(Python): https://github.com/rbgirshick/fast-rcnn
- • Faster_R-CNN(matlab): https://github.com/ShaoqingRen/faster_rcnn
- • Faster_R-CNN(Python): https://github.com/rbgirshick/py-faster-rcnn
机器认知
机器认知（Machine Cognition），自然语言理解，推理，注意，知识，学习，决策，交互等。
技术手段：
深度学习（Deep Learning） + 增强学习（Reinforcement/Unsupervised Learning）
前沿应用进展
自然语言理解
自然语言理解（Natural Language Understanding），使用的技术称为自然语言处理（Natural Language Processing，简称NLP）
智能问答
整合语音识别ASR，计算机视觉CV和自然语言处理NLP的问答系统QA。
Reasoning in vector space: An exploratory study of question answering, ICLR 2016.
