真传一案例 人工智能入门 理论科普
目录
人工智能入门教程
https://www.cbedai.net/2018/11/18/whatisnn/ 人工智能教程
- 把一件简单的事给说复杂了是很容易的
- 要把一件复杂的事给说简单了是非常非常难的
- 有些细节较难,而且他们对于大家理解最重要的理论部分又没有帮助
- 在线教程比出书效果好得多。我可以不停地修改优化文章,使教程与时俱进
- 到基础知识前2节后需要入会缴费,另外,作者举得例子太恶趣味,匿了~
ai领域常见场景
https://www.w3cschool.cn/artificial_intelligence/ ai 教程
常见场景列表/快速切换人工/人工和智能无缝对接
- 游戏 人工智能机器人对弈
- 自然语言识别 人机交互
- 专家系统 用户手册/解释和建议
- 视觉系统 图像/视频解释
- 手写识别 识别字母的形状并将其转换为可编辑的文本
- 图片文字提取 将图片内文字转换为可编辑的文本
- 语音识别 口音,俚语,背景噪音,寒冷引起的人体噪音变化
- 智能机器人 传感器/信息处理引擎/从错误中吸取教训,并能适应新的环境
智能是多元的
人工智能和神经网络
- 从1956年夏季首次提出“人工智能”这一术语
- 人工神经网络是受到人类大脑结构的启发而创造出来的(生理上)
- 人工神经网络(每一台联网设备)就是一个神经元(拟物)
- 上网习惯,很多网站都会记录下你平时的浏览喜好,然后把它们作为权重套入到上面的公式来预测你会购买什么
逻辑回归 ): z = dot(w,x) + b
如何将数据输入到神经网络中?
64*64 IMG
为了存储图像,计算机要存储三个独立的矩阵 64*64*3
为了更加方便后面的处理,我们一般把上面那3个矩阵转化成1个向量x 64*64*3=12288维的向量也被叫做特征向量
神经网络是如何根据这些数据进行预测的呢?
基于 z = dot(w,x) + b
- 其中 x代表着输入特征向量 (x1,x2,x3)
- 其中 w表示权重(w1,w2,w3)
- 其中 公式中的dot()函数表示将w和x进行向量相乘
- 其中 b是一个合理阈值
z = (x1 * w1 + x2 * w2 + x3 * w3) + b
其中 特征向量(0,0,1)
其中 权重(2,2,7)
其中 阈值b -5
z = (x1 * w1 + x2 * w2 + x3 * w3) + b = (0 * 2 + 0 * 7 + 1 * 2) + (-5) = -3
**函数 sigmoid
- 作用是把z映射到[0,1]之间
- 为什么要把预测结果映射到[0,1]之间呢
- 便于神经网络计算
- 便于人类理解