人类之所以聪明，是因为 我们有学习的能力. 我们从我们的经验中学习，, 随着我们有更多, 我们正在提高我们的技能. 同样的, 这 人工神经网络 (安, 英文缩写) 可以训练 模仿人类学习. 他们从提供给他们的数据中学习，, 当他们收到更多信息时, 正在改善他们的结果.
为了 训练人工神经网络, 为您提供一系列数据，您 要求您执行特定任务. 当神经网络处理任务时, 调整其内部参数 尝试产生正确的结果. 此过程称为 机器学习 或 机器学习. 机器学习的目标是 使神经网络以最佳方式适应数据 产生正确的结果.
有 训练人工神经网络的两种主要方法: 这 监督学习 和 无监督学习. 在 监督学习, 神经网络提供的数据是 之前已被标记. 即, 神经网络被告知每条数据的预期结果. 在 无监督学习, 未向数据提供标签. 相反, 神经网络被要求 在数据中查找模式 并向他们学习.
这 监督学习 是最 常用 用于训练人工神经网络. 这种方法被认为更有效，因为 为神经网络提供指导 预期结果. 以这种方式, 神经网络可以更有效地调整其内部参数以产生正确的结果. 这 无监督学习 更难使用，因为没有向数据提供标签. 尽管如此, 一些研究人员认为这种方法更有效，因为 允许神经网络更自然地学习, 就像人类一样.
通常, 这 监督学习 这是训练人工神经网络的最有效方法. 然而, 这 无监督学习 在某些情况下可能会有所帮助. 例如, 如果您有大量未标记的数据, 无监督学习可能是从中提取有用信息的好方法.
人工智能可以解决什么样的问题?
人工智能 (.AI) 是计算机科学的一个领域，专注于开发能够执行复杂任务的智能代理。. 这些智能代理由算法和机器学习技术构建而成。, 使他们能够在获得更多经验的同时学习和提高技能.
机器学习算法
机器学习算法是人工智能的重要组成部分. 用于从数据构建模型, 使智能座席能够做出数据驱动的决策. 有不同类型的机器学习算法, 可用于解决不同类型的问题.
人工智能可以解决的问题
人工智能可用于解决各种各样的问题. 可以用AI解决的一些问题的例子是:
- 优化问题: 人工智能可用于找到问题的最佳解决方案, 无论是数学还是其他问题.
- 分配问题: AI可用于以最佳方式将任务分配给不同的代理.
- 预测问题: 人工智能可用于预测系统的行为, 例如, 金融市场的行为.
- 诊断问题: 人工智能可用于诊断疾病, 例如, 使用医学成像.
- 控制问题: 人工智能可用于控制复杂系统, 例如, 机器人系统.
机器学习技术
机器学习技术用于从数据构建模型. 这些模型可用于做出决策或执行操作。. 有不同的机器学习技术, 可用于解决不同类型的问题.
机器学习技术可以解决的问题
机器学习技术可用于解决各种问题. 可以用机器学习技术解决的一些问题的例子是:
- 优化问题: 机器学习技术可用于找到问题的最佳解决方案, 无论是数学还是其他问题.
- 分配问题: 机器学习技术可用于以最佳方式将任务分配给不同的代理.
- 预测问题: 机器学习技术可用于预测系统的行为, 例如, 金融市场的行为.
- 诊断问题: 机器学习技术可用于诊断疾病, 例如, 使用医学成像.
- 控制问题: 机器学习技术可用于控制复杂系统, 例如, 机器人系统.