人工智能、机器学习与深度学习的基本介绍

一、人工智能、机器学习与深度学习的联系是什么？

1、人工智能 AI（Artificial Intelligenc）
为机器赋予人的智能，能够感知、推理、行动和适应的程序。
2、机器学习 ML（Machine Learning）
实现人工智能的方法，能够随着数据量的增加不断提高性能。
3、深度学习 DL（Deep Learning）
深度学习是一种机器学习方法，是机器学习的第二次浪潮。
三者关系图如下：

二、机器学习是什么？

机器学习是从已知数据中获取规律，并利用规律对数据进行预测的方法。

三、如何进行机器学习？

机器学习是一种统计学习方法，主要学习方法包括监督学习、无监督学习和强化学习两类。

1、有监督学习（又称教师学习）

基于输入数据和期望输出，通过训练从数据中提取通用信息或特征信息，以此得到预测模型。其中的特征如图像中的纹理特征、颜色特征、边缘特征等

2、无监督学习（无教师学习）

无需期望输出，算法自动从数据中获取特征值。

四、机器学习有哪些应用？

自然语言处理、图像识别、医疗诊断、风险预测以及在工程学、心理学和经济学等具有成功的应用。

五、什么是深度学习？

深度学习与人脑的认知结构相似，一般是指具有多层网络结构，但网络层数没有严格定义。

六、机器学习与深度学习在学习上的区别是什么？

机器学习是需要手动设计特征值（比如颜色特征、边缘特征等），而深度学习可以自动学习提取什么样的特征（甚至是特征的组合），能获得更好的性能。

七、深度学习与神经网络关系是什么？

深度学习是基于神经网络发展起来的技术，可以理解成用深度的神经网络来进行机器学习。

八、深度学习按照起源的两大分支

起源于感知器：感知器–多层感知器–深度神经网络–卷积神经网络……
起源于受限玻尔兹曼机：受限玻尔兹曼机–深度置信网络

九、神经网络的发展历史

如果想持续看相关文章，还可关注公众号“小黄有点忙”哈。