Please enable JavaScript.
Coggle requires JavaScript to display documents.
人工智能 (机器学习 (工作方式 (模型数据, 验证模型, 测试模型, 使用模型, 调优模型, 选择数据), 聚类算法 (Fast-Greedy…
人工智能
机器学习
工作方式
模型数据
验证模型
测试模型
使用模型
调优模型
选择数据
聚类算法
K-均值聚类
层级聚类
图团体检测
Fast-Greedy Modularity-Maximization
可替代 Modularity-Maximization的方法
分辨率极限
Edge-Betweenness
Clique Percolation
谱聚类算法
演化
五大流派
符号主义
贝叶斯派
联结主义
进化主义
Analogizer
演化阶段
1980 符号主义
1990-2000 贝叶斯
2010 联结主义
2010末 联结+符号
2020+ 联结+符号+贝叶斯+...
2040 算法融合
算法
如何选择
种类以及优缺点
树形模型
朴素贝叶斯分类
随机森林
决策树
梯度提升
线性模型
回归
线性回归
逻辑回归
支持向量机
隐性马尔可夫模型
神经网络
种类
DNN
实现权值共享的网络
CNN
卷积
7 more items...
架构
6 more items...
学习过程
2 more items...
窗口式的权重共享网络
改进批归一化
传播方式
4 more items...
RNN
特征
1 more item...
数据也以新的时间依赖方向传递
长短期记忆与门控制神经网络（LSTM)
RNN-LSTM中的反向传递
特征
方式
遗忘机制
保存机制
数学描述
1 more item...
研究内部
计数
来自计数的计数
记忆状态
复制任务
拓展
门控循环神经网络
1 more item...
激活函数
处理输入的网络
前馈网络
循环网络
全连接
稀疏链接
限制对结果有影响的权重数量，可以实现更高效的计算
流行的模型
区别
不同的网络架构
4 more items...
开发资源
框架
分类数据集
硬件
评估和比较的基准指标
模型
error模型精准度
模型参数
权重量
运算量
硬件
能量效率
片外带宽
区域效率
吞吐量
前馈神经网络FNN
不考虑输入数据可能具备的结构
解决隐藏层难以训练的问题
架构
特征
加权平均值
激活函数
损失函数
层级
输入层
全连接层
输出层
梯度下降需要数据样本
采样方法
3 more items...
正则化技术
反向传播
Chain Rule
从输出到全连接层
从全连接到全连接
梯度优化技术
如果用梯度更新权重
动量法
RMSprop
Adam
权重初始化
基本
定义
输入 Xk
权重向量
函数
估计函数
激活函数
一般不用线性函数
损失函数
样本数量 m
图片：3个RGB M x N 矩阵
分层
输入层
隐藏层
输出层
训练
优化算法
基于梯度
随机梯度下降
1 more item...
小批量梯度下降
不基于梯度
调整权值改变函数
反向传播
计算梯度
预测问题
回归问题
分类问题
地位
实际应用
研究十大主题排名
深度学习架构谱系
图灵测试
质疑
避而不答通过
定义
测试设定
改进版本或其他评价方法
或许通过图灵测试的软件
通过测试的欺骗性技巧
强化学习
闭环系统
没有正确的输入输出对
尝试->奖励
尝试影响长期奖励
Agent 组成
策略
确定策略
随机策略
价值函数
Q价值函数
优化价值函数
模型
方法
基于价值的强化学习
基于策略的强化学习
基于模型的强化学习
结合深度学习
基于价值的深度强化学习
存在问题
采样之间的相关性
不稳定的对象
解决方案
DQN深度强化网络
改进
双深度Q网络
有优先级的经历回访
决斗网络
基于策略的深度强化学习
深度策略网络
策咯梯度
Actor-Critic 算法
异步优势Actor Critic 算法 (A3C)
Google Gorila
图解
没有Google的情况下，如何加速强化学习
异步强化学习
标准cpu多线程
并行执行一个agent的多个实例
线程共享Network 参数
并行消除数据相关性
框架
基本要素
图解
状态
迁移学习
相关研究领域
半监督学习
更有效地使用可用的数据
提高模型的泛化能力
让模型更加稳健
多任务学习
持续学习
zero-shot 学习
场景
跨语言适应（cross-lingual adaptation）
域适应（domain adaptation）
YS≠YT。两个任务的标签空间不同
P（Ys|Xs）≠P（Yt|Xt），源任务和目标任务的条件概率分布不同。
方法
使用预训练的 CNN 特征
学习域不变的表征
让表征更加相似
混淆域
定义
域
任务
目的
应用
从模拟中学习
适应到新的域
跨语言迁移知识
为什么需要
知识图谱
技术 (方法,例子,缺点）
实体关系识别技术
基于监督学习
半监督学习
无监督学习
知识融合技术
对比传统融合
改进
本体匹配
算法
模式匹配
实例匹配
技术层面分类
启发式方法
概率方法
基于图的方法
基于学习的方法
基于推理的方法
实体链接技术
根本难点
核心研究问题
方法
基于概率生成模型方法
基于主题模型方法
基于图的方法
基于深度神经网络的方法
知识推理技术
基于符号的推理
基于统计的推理
实体关系学习方法
潜在特征模型
图特征模型
类型推理方法
模式归纳方法
构成
知识获取
处理非结构化数据
提取正文
识别实体
实体链接
命名实体识别
处理半结构化数据
包装器学习抽取规则
具有大量重复性结构
储存到数据库
数据融合
本体
实体匹配
本体融合技术
数据储存
知识计算及应用
知识计算
本体/规则推理技术
链接预测
社会计算的不同算法
不一致检测技术
目的
开放知识图谱介绍
自然语言处理
自然语言理解
自然语言生成
四个阶段
确定目标
通过场景评估规划如何实现目标
可用的对话源
把规划实现为文本
层级
内容规划（Content Planning)
语句规划（Sentence Planning）
表层实现（Surface Realization）
深度学习中的NLP
数学基础
线性代数
Moore-Penrose伪逆
性质
定义
奇异值分解
性质
利用SVD计算非奇异矩阵逆矩阵
稀疏SVD
表示
定义
诱导矩阵范数
性质
常用矩阵p-范数
2-范数
无穷范数
1-范数
定义
向量范数
常见p-范数
性质
无穷（最大）范数
欧几里得（2）范数
1-范数
定义
范数
性质
定义
基础表示
QR 分解
正交将矩阵
矩阵可逆性
逆矩阵
矩阵
0
向量和
1
向量
n维向量
RandNLA
基本算法
跨学科领域
图论
概率图模型
种类
贝叶斯网络
马尔可夫网络
问题设置
条件独立
三门问题例子
参数估计
对贝叶斯网络
对马尔可夫网络
推理算法
边际推理
后验推理
最大后验推理
算法
变量消除
置信度传播
近似推理
应用：图像去噪
定义
种类
树状图
有向图 vs 无向图
概率论
基本定义
概率
频率
条件概率
独立事件
贝叶斯概率论
抽样与统计
样本均值
样本方差
分布
随机变量
连续分布
均匀分布
指数分布
正态分布
离散分布
伯努利分布
二项分布（多重伯努利分布）
泊松分布
常见数据类型
离散
连续