人工智能导引
文章目录
artifiicial intelligence
由图灵测试出发的六个领域
贝叶斯方法分析成为大多数AI系统中不确定推理的现代方法基础
研究方法
深度学习
强化学习
进化/群智计算
监督以及半监督学习
对抗式生成网络
机器学习
计算机利用已经有的数据样本，得出某种规律模型，并利用模型预测未来的一种方法
回归算法
线性回归和逻辑回归
线性回归就是用已经有的数据拟合出一条直线啦最佳的匹配这些数据
常用的是最小二乘法：核心思想是梯度下降：就是所有数据与拟合直线的距离最小，就是函数的极值最小
逻辑回归就是分类算法，线性回归处理的是连续性问题而逻辑回归是离散性问题，逻辑归回对线性回归的计算结果加了一个sigmoid函数，将数值结果转化成0到1之间的概率（画出来一道分类线）
神经网络ANN
神经网路中，每个处理单元本质上就是一个逻辑回归模型，接受上一层的输入，把预测结果作为输出传输到下一层，可以完成非常复杂的非线性分类
基本单位是人工神经元模型：对自然神经元进行抽象以实现基本功能的一种数学描述，带着权重的一些输入通过激活函数进行输出
人工神经网络模型
1.前向型神经网络
最简单的网络有两个输入单元和一个输出单元（感知器），可以建立分类模型，如果只给输入，让网络填充输出则是半监督式学习，但是通过反向传播的方法进行训练，则是监督学习
2.Hopfield网络
其中每个神经元HN都与其他神经元相连（正多边形），每个节点在训练前输入，然后再训练中隐藏和输出
核心思想式通过将神经元的值设置为所需要的模式来训练网络，在此之后权值保持不变，一旦一个或者多个模式被训练，网络总是收敛到一个学习模式
3.卷积神经网络Convolutional Neural Networks CNN
主要用于图像处理领域，将图像输入网络然后由网络对其进行分类
4.循环神经网络
一种考虑时间的前向型神经网络
通道与通道的通过时间有一定的联系，输入神经网络和用于训练的数据的顺序也很重要
支持向量机SVM
起源于统计学，可以说是逻辑回归的强化，结合高斯核函数获得比逻辑回归更好的分类界线，实现复杂的分类界线，最典型的特征就是可以把低维空间映射到高维
聚类
聚类与前三个不同的地方在于训练数据不含标签。算法的目的是通过训练推测出这些数据的标签，最典型的特征就是kmeans算法
计算机视觉
计算机视觉从诸如梯度方向直方图HOG Histogram of Gradient以及尺度不变特征变换Scale invariant reature transform SIFT等传统的手办特征与浅层模型的组合逐渐转向了以CNN为代表的深度学习模型
1.物体检测和识别技术
resize image----------run convolutional network-----------------non-max suppression
2.图像语义分割技术
Semantic segmentation指的是对图像意思的理解
3.三维重建技术
重点在于如何获取目标场景和物体的三维信息
自然语言处理NLP
自然语言处理技术
1.文本嵌入技术
在传统NLP中，把单词当作离散的符号，用向量表示，另一种方法是学习编码向量本身的相似性，核心思想是一个词的意义是在它经常出现的语境中给出的，文本嵌入式字符串的实值向量表示，每个单词构建一个密集的向量并选择，使其出现在类似上下文中的单词向量。
文本嵌入可以使得深度学习在更小的数据集上有效，因为文本嵌入一般式深度学习架构的第一个输入，式NLP最流行的迁移学习形式，最流行的是Word2vec
2.文本翻译技术
包括语言分析和语言生成
3.情绪分析技术
情感分析通过小元素的语义组合来解释大文本单位（实体、描述性术语、事实、论据、故事）意义的过程，现代情感分析的深度学习方法最有效的是递归神经网络，有助于消除歧义，帮助某些任务引用特定的短语，对于使用语法树结构的任务非常有效。
群体智能
目前主要的两种方法是蚁群算法和粒子自适应优化算法
基本特征是：1.控制是分布式的没有中央控制，具有很强的鲁棒性，不会因为一个或多个个体的失败而影响整个问题的解决
2.个体可以改变环境，群体智能可以通过个体与个体之间相互传输信息和协作信息，所以随着个体数量增加，通信开销的增加较小，因此具有很好的可扩展性
3.可以在适当的进化机制下，通过个体间的相互作用以某种突现形式发挥作用
人机交互
就是通过计算机技术实现输入和输出设备的人机对话
方式
1.触摸交互
2.语音交互
3.体感交互：主要通过光学技术来感知物体的位置，通过加速度传感器感知物体的运动加速度，从而判断物体的运动进行交互
增材制造Additive Manufacturing 3D打印技术
基于数字模型文件和数控系统软件的制造技术
技术
1.光聚合成型技术：立体印刷术
原理是选择性的用特定波长与强度的激光聚焦到光固化材料（液态光敏树脂），使之发生聚合反应，实现由点到线，再由线到面的顺序凝固，完成一个层面的绘图，升降台再垂直方向移动一个层片的高度，再固化另一个层面，层层叠加。
2.气溶胶打印技术
UV固化介质从10到100微米的气溶胶喷射系统喷射，之后金属纳米粒子油墨以精确的方式被分配，烧结再最近固化的材料上，然后重复一遍又一遍，直到结构形成
3.细胞3D打印
大数据
指的是以不同形式存在于数据库、网络等媒介上蕴含丰富信息的规模巨大数据
两大分支：大数据存储和大数据应用：涉及关系数据库、云存储和分布式存储；数据管理。统计分析/数据挖掘，并行计算和分布式计算等
