必了解的 20 个 AI 术语解析(下)

news2024/9/20 8:09:43

AI 领域的基础概念和相关技术有很多,这篇文章里,作者就深入浅出地介绍了相应的内容,感兴趣的同学们,不妨来看一下。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

本文专为非技术背景的 AI 爱好者设计,旨在深入浅出地介绍 AI 的基础概念和关键技术,带您一步步解锁 AI 技术的奥秘。建议先阅读【入门科普】必了解的 20 个 AI 术语解析(上)再阅读本文。

十一、生成对抗网络

想象一下有两位艺术家:一位是伪造者,另一位是鉴赏家。伪造者试图创作出看起来像真正艺术品的作品,而鉴赏家则试图区分出哪些是真正的艺术品,哪些是伪造的。他们不断地相互学习会使得伪造者变得越来越擅长创作逼真的作品,而鉴赏家则变得越来越擅长识别真伪。

生成对抗网络 GAN 由两部分组成:一个是生成器(伪造者)和一个是判别器(鉴赏家)。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十二、强化学习

如果说对抗网络是真假孙悟空之间的 1 对 1 的斗智斗勇,目标是战胜对方,那么强化学习就是 1 对多的一路斩妖除魔,设定一个去西天的目标,取经队伍总会去想办法在真实环境中排除万难,那些牛魔王、火焰山、蜘蛛精、女儿国等等都是在环境中遇到的不同的挫折,磨炼的是取经队伍内在的佛性。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十三、主成分分析

假设你有一个非常杂乱的书桌,上面堆满了各种物品。如果你想用一张照片抓住书桌的“精华”,但又不想让照片显得太杂乱,你可能会选择从一个角度拍摄,这个角度能最好地展示书桌上最重要的几样东西。PCA 就是在做类似的事情:它试图找到最能代表整个数据集“精华”的几个方向(主成分),然后用这些方向来简化和描述数据集。

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十四、交叉验证

交叉验证是机器学习中的一种评估方法,旨在测试模型对新数据的预测准确性。它通过将数据集分成多个部分来工作。在 k- 折交叉验证中,整个数据集被分成 k 个等大小的子集。然后,模型会进行 k 次训练和测试的循环,每次循环中,选择一个不同的子集作为测试集,而剩余的 k-1 个子集用作训练集。通过这种方式,每个数据子集都有机会作为测试集使用。完成这 k 次循环后,通过平均所有循环的测试结果来评估模型的整体性能。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十五、梯度下降

想象你在一座山上,目标是找到山谷的最低点。由于山上浓雾弥漫,你看不清整座山,所以无法直接找到最低点。梯度下降就像是你决定每次都沿着当前位置最陡峭的下坡方向走一步,期望这样可以带你到达山谷的最低点。在机器学习中,梯度下降帮助模型“学习”到最佳参数,即找到能让模型预测误差最小的参数。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十六、迁移学习

假设你已经是一个钢琴高手,现在你想学习吉他。由于你已经掌握了很多关于音乐的知识,如音阶和节奏,你可以把这些知识应用到新的学习中,这样你学吉他的速度就会更快。在 AI 中,迁移学习就是这个原理,它让一个已经在一个任务上训练好的模型,用于另一个相关但不同的任务。这样可以节省大量的训练时间和资源。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十七、特征工程

模型的学习能力很大程度上取决于我们给它提供的信息质量。如果信息选得好,模型就能学得快,预测得准;如果信息选得不好,模型就可能学不会,或者学错了。这个过程包括数据预处理、特征选择、特征构造、特征转化、降纬 等等,比如训练一个颜值打分模型,训练数据是一堆照片,那么特征的工程就是提取眼睛、鼻子、嘴巴的位置、构造出新的特征比如面部比例数据、并选择具体哪个面部特征的颜值权重更高 等等。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十八、超参数调优

超参数是在开始训练之前设置的参数,它们不能通过训练过程本身得到。比如决定每次训练模型时输入的数据量的“批大小”、决定每次权重更新幅度的学习率等等。如果把模型训练过程比喻成西天取经的过程,那么超参数调优就是在取经出发前,唐僧从观音或唐太宗那里获得的 通关文牒、锦襕袈裟。

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

十九、增强检索

在大语言模型通常会发生“模型幻觉”的问题,就是在处理复杂事物是产生与事实不符甚至完全捏造的信息,就像说人有时候也会说梦话一样胡说八道。增强检索可以缓解这个问题,通过引入外部知识来源来提高回答问题的准确性和丰富性。以一个法律咨询的场景为例,如果用户询问关于最新税法的问题,传统的语言模型可能只能提供基于其训练数据的答案,而这些数据可能不包括最新的税法变化,这是需要增强检索的典型应用场景。

必了解的 20 个 AI 术语解析(下)

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

二十、通用人工智能

马斯克在 24 年 4 月时说:比人类更聪明的 AGI 将在两年内实现。通用人工智能是指不需要人为干预而可以自我学习、自我调整从而完全像人类一样可以执行原本只有人可以从事的任务,甚至机器人可以自行进行科学理论探索。这将是地球智能发展的奇点。

必了解的 20 个 AI 术语解析(下)© 由 ZAKER科技 提供

题图来自 Unsplash,基于 CC0 协议。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1990993.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

如何修改360免费wifi热点的频带为2.4G或者5G

有的时候使用电脑广播出热点给嵌入式设备用进而进行抓包,但是他默认广播的是5G Hz的,嵌入式设备扫不到热点。那么如何让他广播2.4G H在呢? CMD控制台使用命令netsh wlan show drivers查看设备驱动: 802.11g 和 802.11n 意味着你的…

Python酷库之旅-第三方库Pandas(071)

目录 一、用法精讲 286、pandas.Series.dt.to_pydatetime方法 286-1、语法 286-2、参数 286-3、功能 286-4、返回值 286-5、说明 286-6、用法 286-6-1、数据准备 286-6-2、代码示例 286-6-3、结果输出 287、pandas.Series.dt.tz_localize方法 287-1、语法 287-2、…

Selenium 自动化测试最佳实践

1 编码前的准备工作与基本指导思想 测试一个网站就是针对该网站测试场景的一次项目开发,所以项目开发中的理念与思想可以借鉴过来。接到测试需求后,不要一开始就陷入按钮、字段、下拉框等页面元素怎么操作的技术细节当中,而要站在最终用户的…

《MySQL数据库》 可视化工具的使用—/—<3>

一、如何使用可视化工具navicat 1、点击左上角的连接中的MySQL 输入主机地址连接虚拟机,找到自己虚拟机中的ip地址输入即可,连接名随意修改 然后点击测试连接,连接成功即可点击确定 2、新建库 直接鼠标右击连接名称ahao001,点击…

react学习笔记:7

预览:(fetch发送请求、SPA、连续解构赋值、消息订阅、react router路由第三方库) 1、连续解构赋值 总结: 1、连续解构赋值的写法:对象包对象,第二个解构的value一定也是在{}内部的写法 2、消息订阅发布 …

SwiftUI 中 TabView 视图导航栏上按钮丢失问题的解决

问题现象 在某些情况下,SwiftUI 中 TabView 子视图中导航栏上的 ToolbarItem 会消失不见。 如上图所示:在子视图的 Kick Off 导航栏按钮被按下并回退到 TabView 中的主视图之后,其右上角的按钮竟然“神奇”的消失了!该如何解决它呢? 在本篇博文中,您将学到以下内容 问题…

【二分查找】3143. 正方形中的最多点数

本文涉及的基础知识点 C二分查找 LeetCode3143. 正方形中的最多点数 给你一个二维数组 points 和一个字符串 s ,其中 points[i] 表示第 i 个点的坐标,s[i] 表示第 i 个点的 标签 。 如果一个正方形的中心在 (0, 0) ,所有边都平行于坐标轴&…

大数据-Big Data

GPT-4o (OpenAI) 大数据(Big Data)指的是无法使用传统方法和工具在合理的时间内处理和分析的大规模数据集。大数据通常具有以下几种特征,也称为5V特征: 1. Volume(数据量):大数据涉及到大量的信…

深度学习常用语句for param in params问题:为什么修改param之后,params对应元素也随之改变?

def sgd(params, lr, batch_size): #save"""小批量随机梯度下降"""with torch.no_grad():for param in params:param - lr * param.grad / batch_sizeparam.grad.zero_()sgd([w, b], lr, batch_size) 上述代码中,param遍历params的…

深度学习--------------Kaggle房价预测

目录 下载和缓存数据集访问和读取数据集总代码 数据预处理训练K折交叉验证模型选择总代码提交你的Kaggle预测提交Kaggle 下载和缓存数据集 import hashlib import os import tarfile import zipfile import requests# download传递的参数分别是数据集的名称、缓存文件夹的路径…

LabVIEW液压传动系统

开发了一种高效的液压传动系统,其特点在于采用LabVIEW软件与先进的硬件配合,实现能量的有效回收。此系统主要应用于工业机械中,如工程机械和船机械等,通过优化液压泵和马达的测试台设计,显著提高系统的能效和操作性能。…

华为OD机试 - 最长子字符串的长度(二) (Java 2024 D卷 100分)

华为OD机试 2024D卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(D卷C卷A卷B卷)》。 刷的越多,抽中的概率越大,私信哪吒,备注华为OD,加入华…

为什么要推荐R语言?欢迎订阅专栏《R 探索临床数据科学》

统计分析的强大支持: R语言最初是为统计分析而设计的,至今仍然在这方面保持领先地位。无论是基础统计、回归分析、时间序列分析还是高级统计建模,R都能提供丰富的函数和包,帮助我们轻松实现各种统计分析,很简单的代码就…

搭建个人博客需要做哪些事

文章目录 前言搭建步骤站点服务器站点域名注册域名ICP 备案公安备案域名解析 博客图床图床是什么图床搭建 博客站点搭建建站工具本地搭建博客部署 站点运营百度收录百度统计 总结 前言 花了几天时间,搭建了一个个人博客,也算是完成了年初立的一个flag&a…

VSCODE调试程序

1、打开 2、具体测试过程 (1)把路径改成真正执行的程序的绝对路径(${workspaceFolder}这个代表就是项目根目录) (2)然后先注释preLauchTask。 (3)重新编译一下文件,make…

全新神经网络:Kolmogorov-Arnold网络更具解释性,有望为物理学家提供新假设

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…

FDE Solver 的 enabled 选项是不开放的

FDE Solver 的 enabled 选项是不开放的 正文正文 在 Mode 工程文件中,只能添加一个 FDE Solver,并且,不同于结构组件,对于结构组件,我们通常可以使用如下脚本将其设置为不启用状态。 比如,我们这里有一个三角型结构。 我们通过如下脚本设置其为不启用状态后, CAD 显示…

准确度与精密度:差异和示例

准确度与精密度:差异和示例 文章目录 一、说明二、准确性的定义三、精度的定义四、飞镖板上的准确度与精确度五、如何记住准确度与精确度六、如何测试准确度和精密度 一、说明 当您依赖数据得出结论时,准确度和精确度是测量的关键属性。这两个概念都适…

Git合并多笔提交为一笔

Git合并多笔提交为一笔 1. 背景 在实际项目开发中,我们会基于生产分支拉出很多需求分支,在需求分支开发完成后再将代码合到生产分支,但随着提交次数越来越多,我们在合到生产分支的时候就得一笔一笔的入库,特别麻烦&a…

day14-测试自动化之Selenium的元素操作、浏览器操作等

一、元素操作 1.1.为什么要学习操作元素的方法? 1).需要让脚本模拟用户给指定元素输入值 2).需要让脚本模拟人为删除元素的内容 3).需要让脚本模拟点击操作 1.2.元素常用操作方法 1).click()点击方法 2).send_keys(value) 输入方法 3).clear(…