“大数据智能”版本间的差异
（→工具） |
（→工具） |
||
| 第106行： | 第106行： | ||
[http://www.deeplearning.net/software/theano/ Theano] | [http://www.deeplearning.net/software/theano/ Theano] | ||
([https://github.com/Theano/Theano/ Source Code]) | ([https://github.com/Theano/Theano/ Source Code]) | ||
| + | |||
| + | ''' Baidu''' | ||
| + | |||
| + | [http://www.paddlepaddle.org/ PaddlePaddle] | ||
| + | ([https://github.com/PaddlePaddle/Paddle Source Code]) | ||
== 增强学习 == | == 增强学习 == | ||
2017年3月14日 (二) 11:25的版本
目录
人工智能
人工智能（Artificial 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
四个层面
- 目标与功能
- 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
- 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
- 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 (FAIR) (Yann LeCun)
MSR Deep Learning Technology Center (DLTC) (Li Deng)
机器学习
机器学习（Machine Learning），是指机器从数据中自动分析获得规律，并利用规律对未知数据进行预测。
阅读材料
- Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. Machine_Learning_Science_2015
工具
Python
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。
神经网络
深度神经网络，Deep Neural Networks，简称DNN
卷积神经网络，Convolutional Neural Networks，简称CNN
历史：The rebirth of neural networks, ISCA 2010. Rebirth_NN
阅读材料
工具
Microsoft
Université de Montréal
Baidu
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。
阅读材料
工具
Google DeepMind
DeepMind DeepMind Lab Source Code
OpenAI
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
相关资料
相关课程： 实验室探究课-智能问答与智能系统
