人工智能包括通過機(jī)器和特殊計(jì)算機(jī)系統(tǒng)模擬人類智能的過程。人工智能的示例包括學(xué)習(xí)、推理和自我校正。人工智能的應(yīng)用包括語音識(shí)別、專家系統(tǒng)、圖像識(shí)別和機(jī)器視覺。
機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它處理可以學(xué)習(xí)任何新數(shù)據(jù)和數(shù)據(jù)模式的系統(tǒng)和算法。
讓我們關(guān)注下面的維恩圖，以理解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的概念。
機(jī)器學(xué)習(xí)包括機(jī)器學(xué)習(xí)的一部分，而深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一部分。遵循機(jī)器學(xué)習(xí)概念的程序的能力是改善其對(duì)觀測(cè)數(shù)據(jù)的性能。數(shù)據(jù)轉(zhuǎn)換的主要?jiǎng)訖C(jī)是為了提高其知識(shí)，以便在未來實(shí)現(xiàn)更好的結(jié)果，為特定系統(tǒng)提供更接近所期望的輸出。機(jī)器學(xué)習(xí)包括“模式識(shí)別”，其中包括識(shí)別數(shù)據(jù)中的模式。
這些模式應(yīng)該經(jīng)過訓(xùn)練以以期望的方式顯示輸出。
機(jī)器學(xué)習(xí)可以通過兩種不同的方式進(jìn)行訓(xùn)練 -
監(jiān)督式訓(xùn)練
無監(jiān)督訓(xùn)練
監(jiān)督學(xué)習(xí)
監(jiān)督學(xué)習(xí)或監(jiān)督訓(xùn)練包括一個(gè)過程，其中訓(xùn)練集作為輸入提供給系統(tǒng)，在這個(gè)過程中，每個(gè)示例都帶有一個(gè)期望的輸出值標(biāo)簽。在這種類型的訓(xùn)練中，使用特定損失函數(shù)的最小化來表示輸出與所期望的輸出系統(tǒng)之間的誤差。
在訓(xùn)練完成后，會(huì)針對(duì)與訓(xùn)練集不重疊的示例（也稱為驗(yàn)證集）來測(cè)量每個(gè)模型的準(zhǔn)確性。
最好的示例來說明“監(jiān)督學(xué)習(xí)”是一組帶有包含信息的照片。在這里，用戶可以訓(xùn)練一個(gè)模型來識(shí)別新的照片。
無監(jiān)督學(xué)習(xí)
在無監(jiān)督學(xué)習(xí)或無監(jiān)督訓(xùn)練中，包括未被系統(tǒng)標(biāo)記其所屬類別的訓(xùn)練示例。系統(tǒng)尋找共同特征的數(shù)據(jù)，并根據(jù)內(nèi)部知識(shí)特征對(duì)它們進(jìn)行更改。這種類型的學(xué)習(xí)算法主要用于聚類問題。
最好的示例來說明“無監(jiān)督學(xué)習(xí)”是一組沒有包含信息的照片，用戶使用分類和聚類來訓(xùn)練模型。這種類型的訓(xùn)練算法基于沒有提供信息的假設(shè)工作。文章來源：http://www.zghlxwxcb.cn/news/detail-719758.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-719758.html
到了這里，關(guān)于3、TensorFlow教程--- 理解人工智能的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
