(9.2.3)--8.2人工智能技术.pptVIP

人工智能技术 有人说“人工智能=深度学习”，有人说“人工智能=深度学习+大数据”。毋庸置疑，深度学习和大数据很长时间里将是引领人工智能发展的核心技术，但是人工智能还利用了很多计算机技术的发展成果。 深度学习、机器学习和人工智能的关系： 传统机器学习从一些观测（训练）样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。相关算法包括逻辑回归、隐马尔科夫方法、支持向量机方法、K近邻方法、人工神经网络方法、Adaboost算法、贝叶斯方法以及决策树方法等。 深度学习作为机器学习研究中的一个新兴领域，由Hinton等人于2006年提出。深度学习是建立深层结构模型的学习方法，典型的深度学习算法包括深度置信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等。 大数据（big data） 将计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。 云计算 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。 目前的深度学习主要是建立在大数据的基础上，即对大数据进行训练，并从中归纳出