“大数据智能”版本间的差异
来自iCenter Wiki
（→增强学习） |
|||
| （相同用户的6个中间修订版本未显示） | |||
| 第1行： | 第1行： | ||
| + | ==序言== | ||
| + | |||
| + | 技术科学的进步历程往往是理论通过实践开辟道路的过程。 | ||
== 人工/机器智能 == | == 人工/机器智能 == | ||
| − | + | [[人工智能]]/机器智能（Artificial / Machine Intelligence），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。 | |
[[人工智能实现思路]] | [[人工智能实现思路]] | ||
| 第10行： | 第13行： | ||
[[人工神经网络的历史]] | [[人工神经网络的历史]] | ||
| − | = | + | =实验竞赛数据集 = |
| − | + | [[实验数据集]] | |
| − | + | == 深度学习 == | |
| − | + | ||
| − | + | 深度学习（Deep Learning），机器学习中一种基于对数据进行表征学习的方法，试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
[[深度学习]] | [[深度学习]] | ||
| 第111行： | 第72行： | ||
[[推荐系统]] | [[推荐系统]] | ||
| − | + | ||
==相关资料== | ==相关资料== | ||
2018年7月29日 (日) 04:37的最后版本
目录
序言
技术科学的进步历程往往是理论通过实践开辟道路的过程。
人工/机器智能
人工智能/机器智能（Artificial / Machine Intelligence），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。
发展历史
实验竞赛数据集
深度学习
深度学习（Deep Learning），机器学习中一种基于对数据进行表征学习的方法，试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。
增强学习
增强学习（Reinforcement Learning），是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。
机器感知
机器感知（Machine Perception），如语音，图像，视频，手势，姿态等
语音识别
语音识别，Automatic Speech Recognition，简称ASR
计算机视觉
计算机视觉，Computer Vision，简称CV
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 Learning）
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。
语音合成
计算机游戏
机器翻译
推荐系统
相关资料
相关课程： 实验室探究课-智能问答与智能系统
