Machine Learning && Neural Networks

TTfish来瞎扯机器学习和神经网络

TTfish学习神经网络还没多久,对于很多问题都还是一知半解的状态,还需要向薯米西西这样的专业炼丹师多多学习。
前些日子有人问TTfish,机器学习和人工智能的区别到底是什么?其实这些概念堆积起来,有时候确实很令人头疼。TTfish今天主要介绍几个比较酷的机器学习框架,顺便浅浅的讲一下神经网络的科普知识。

记得在春纳的时候,有面试者对于人工智能非常的感兴趣,想必大家也很感兴趣罢。神经网络这个东西现在很热乎,并不像TTfish那么凉(虽然还有不是很见的了光的地方)。那么对于人工智能,其实可以想象成大鱼吃小鱼的游戏:

人工智能的定义非常的宽泛,从图灵机到深度学习都在人工智能的范围内,机器学习就是其中一种实现方式,机器学习算法会尝试优化一项特定的指标:它们一般会努力将预测的误差最小化,或者说将预测正确的概率最大化。而神经网络就是借鉴了生物学中神经元的概念,作为一种优化算法,更好的提高机器的学习效率和完成任务的能力。同时,深度学习是一个神经网络中神经层(Layer)的数量,浅层神经网络就只有一个隐藏层

整个神经网络的工作就是,建立在数据回馈和收集的过程中,生成属于自己的result向量(学习笔记) 然后之后就可以根据学习笔记 来考试 => 根据生成的预测函数等来进行数据处理

一层神经元一般来说 是不够的 需要多层进行线性或者非线性结合 拟合数据

层数多了,维数就上去了,这有好处也有坏处(过拟合等)有许多神经网络的框架,最常见的有RNN、CNN(开始吹.jpg) R-CNN 前馈型的修正



废话讲到这里 PlayGround 欢迎玩耍 一个可视化训练网站

简要讲一下有意思的前沿

关于Yolo

YOLO

华盛顿大学的大佬 非常神奇的论文风格 特立独行 非常厉害

论文: Box提取码: Yolo 链接有效: 5 days

关于 GAN

Generative Adversarial Networks

论文: Box提取码: Gan 链接有效: 5 days 3篇论文

关于 TLD

TLD

论文: Box提取码: TLD 链接有效: 5 days

关于 Lyrebird

LyreBird

关于 顶级会议

薯米现身说法 讲一讲CVPR与IJCAI、NIPS 和薯米的故事~~

Share