人工智能监督学习功能

作者:匿名 来源: 新华网 2019-12-04

人工智能在今天不再停留在科幻影视片中,近几年人工智能技术与我们日常生活联系愈加紧密,这种改变人类生活的科技为人类带来许多方面的使用便利,方便我们日常的生活生产。

微信图片_20191204155407

人工智能技术的定义十分宽泛,机器学习技术作为人工智能领域研究的一个重要分支,在图像、语音处理领域取得了广泛的应用。现在有很多人,尤其是学生与家长使用人工智能技术基本上以机器学习技术为主。

从学习形式上来讲,机器学习分为监督学习、无监督学习以及介于两者之间的半监督学习。监督学习中,作为学习对象的实例由样本数据与对应的期望输出(通常称为标签)两部分组成,算法通过学习大量的实例调整参数,从而完成特定的任务。无监督学习中实例仅由样本数据构成,需要算法自行寻找数据之间的差异。而半监督学习中,一部分样本具有标签,另一部分则没有标签,因而需要尽可能利用标签信息提高算法性能。

监督学习目前的应用最广,相关研究也更为深入。根据监督学习过程中使用的算法,又可以将其分为支持向量机(Support Vector Machine,SVM)、随机森林(Random Forests,RF)、神经网络(Neural Networks,NNs)等。深度学习是一类基于多层神经网络的学习方法,它尝试模仿人类思维的认知过程并用神经网络模型进行表征。

深度学习在计算机视觉、自然语言处理、语音识别等领域的广泛应用催生了人工智能的第四次爆发。然而,当前主流的监督式学习任务往往过度依赖于人工标注,即所谓“有多少人工就有多少智能”。因此,通过自监督的方式自动生成监督信号成为了越来越多人工智能从业者的选择。

未来人工智能技术还将在学习功能上继续延展出更多功能,衍生出更多高质量的智能产品,为人类教育事业做出贡献。

标签:

【版权提示】BAT日报倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至,我们将及时沟通与处理。