Please enable JavaScript.
Coggle requires JavaScript to display documents.
AI Mindmap - Coggle Diagram
AI Mindmap
單層神經網路(感知器)
第一個使用
輸出訊號與目標值的誤差
自動回饋調整權值
(又稱自我調整訊號處理器)
反向傳播
即
最陡下山法
(霧裡下山最陡)
取輸出值與目標值的
最小誤差平方(0.XX)
-->自動調旋鈕
again & again
更新神經元神經係數
直到輸出值/目標值誤差趨近於0
超過三層後運算量太大
很難優化-->沒落
視覺系統資料處理採用分級
大腦皮質輸出
由低->高分為V1~V5
由視網膜出發
經過低級的V1進行
邊緣特徵提取
由低層至高層V5
越來越可看到整體輪廓
(往高層越來越抽象化, 概念化)
高階特徵=所有低階特徵組合
機器學習
電腦能夠自行從資料中
學會一套技能(自己找出規律)
流派
學習明知識
符號學派(決策樹)
Symbolist
貝氏學派(條件機率)
Bayesians
學習默知識
類推學派(量化相似度)
Analogizers
發現暗知識
聯結學派
(即類神經網路)
主流
Connectionist/Artificial Neural Network
反向傳播沒落
無法實現多層運算
RBM
開始又努力架構
"多層運算"(Deep Neural Network)
分層的好處 :
大大
降低運算量
->大大
降低成本
Deep Neural Network
改名
深度學習(Deep Learning)
(多層的意思, 最少3層)
分類器，答案唯一
貓就是貓，狗兔都不是貓
1 more item...
常見運用演算法
e.g. CNN, RNN
2 more items...
答案不唯一，但結果明確
能學會腳踏車的就是好姿勢
條條大路通羅馬
1 more item...
分類器，答案唯一
沒人知道ABCD是啥，
但A就是A,；B, C, D就是A*，決不是A
1 more item...
生成對抗網路
GAN
增量學習與連續學習
舉例 : 警方與線人, 畫嫌疑犯畫像
人臉複雜, 難以用語言描繪
變成五官的組合描繪起來
1 more item...
SVM單層運算
進化學派(模仿進化)
Evolutionaries