博客
关于我
AI learning note 1 -- 初识AI
阅读量:561 次
发布时间:2019-03-09

本文共 517 字,大约阅读时间需要 1 分钟。

人工智能(AI)学习笔记

初识人工智能

人工智能(Artificial Intelligence)是指通过人工手段让机器展现"智能"的能力。

真智能的实现

与其他"复杂程序"不同的人工神经网络技术在实现真智能方面具有独特之处。

  • 真智能的特征:通过学习能力使机器能够自行分析问题并做出思考。

人工神经网络的构建

人工神经网络是模仿生物神经网络的计算机技术。

神经元的功能

人工神经元通过信息处理模拟生物神经元的工作方式。

  • 输入-权重-输出:信息通过输入接收,权重决定处理力度,最终输出结果。

神经网络的训练

从单层到多层,决定了神经网络的深浅。

  • 浅层网络:如单神经元的简单模型。
  • 深度网络:通过多层结构实现更复杂的信息处理,在机器学习中被称作"深度学习"。

神经元的工作模式

生物神经元通过树突接受信息并传递给细胞体,完成信息处理。

人工神经元虽然没有树突结构,但仍然保持了类似的信息处理逻辑。

人工神经网络的学习能力

训练神经网络的过程即为学习过程。

  • 神经网络重构:通过不断调整权值使其适应数据特征。

提升篇

希望这份笔记能帮助你更好地理解人工智能的基本概念与技术特点。


(本文基于AI技术特点进行了适当的总结注释,原文内容未做改动)

转载地址:http://zzupz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>