《神經網絡與深度學習》講義

1321515 2017-07-20 | pdf | 694KB | 次下載 | 免費

資料介紹

　　讓機器具備智能是人們長期追求的目標，但是關于智能的定義也十分模糊。Alan Turing在1950年提出了著名的圖靈測試：“一個人在不接觸對方的情況下，通過一種特殊的方式，和對方進行一系列的問答。如果在相當長時間內，他無法根據這些問題判斷對方是人還是計算機，那么就可以認為這個計算機是智能的”。要通過真正地通過圖靈測試，計算機必須具備理解語言、學習、記憶、推理、決策等能力。這也延伸出很多不同的學科，比如機器感知（計算機視覺、自然語言處理），學習（模式識別、機器學習、增強學習），記憶（知識表示）、決策（規劃、數據挖掘）等。所有這些分支學科都可以看成是人工智能（Artificial Intelligence，AI）的研究范疇。其中，機器學習（Machine Learning，ML）因其在很多領域的出色表現逐漸成為熱門學科。機器學習的主要目的是設計和分析一些學習算法，讓計算機從數據中獲得一些決策函數，從而可以幫助人們解決一些特定任務，提高效率。對于人工智能來說，機器學習從一開始就是一個重要的研究方向，并涉及了概率論、統計學、逼近論、凸分析、計算復雜性理論等多門學科。人工神經網絡（Artificial Neural Network，ANN），也簡稱神經網絡，是眾多機器學習算法中比較接近生物神經網絡特性的數學模型。人工神經網絡通過模擬生物神經網絡（大腦）的結構和功能，由大量的節點（或稱“神經元”，或“單元”）和之間相互聯接構成，可以用來對數據之間的復雜關系進行建模。
《神經網絡與深度學習》講義