关于人工智能的深度学习算法.pdfVIP

关于人工智能的深度学习算法 周晋 （天津市房地产市场管理服务中心，天津300000） 摘 要院 关键词院 在人工智能技术逐步深入各领域应用环节的过程 新的数据需要预测时袁 就给出的房屋面积代入假设模型 中袁 对于人工智能设备在视觉语音识别尧 自然语言处 之中袁 就可以给出相应的价格预测值遥 一般而言袁 监督 理尧 统计分析尧 数据挖掘尧 模式识别等功能实现方面的 式学习的算法经常应用在分类问题和回归问题之间遥 算法研究是人工智能技术研究的基本内容袁 也是深化人 工智能在各领域运用的有效方式遥 而在当前多元主体参 设置训练集 与的人工智能技术开发与应用中袁 人工智能深度学习 算法也呈现出了多样化的趋势袁 即越来越多差异化明 学习算法 显的学习算法开始在人工智能领域得以尝试和应用袁 并且取得了良好的效果遥 事实上袁 人工智能深度学习 房屋面积 函数 预测房价 算法是以人工智能功能需求为导向的算法开发与应用 图1 监督式学习的流程 过程袁 鉴于此袁 对于深度学习算法的研究应当从具体的 1.2 非监督式学习 应用方面入手遥 非监督式学习是人工智能网络中不需要人工输入标 1 人工智能的深度学习算法分类 签的算法遥 非监督式学习的主要目的在于对原始的数据 人工智能的深度学习算法有很多种类型袁 并且一些 资料进行科学尧 标准分类袁 以便对数据资料的内部结构 算法还可以再次延伸出新的算法遥 因此袁 对深度学习算 进行更清晰的把握遥 在非监督式学习中袁 数据的分类结 法的把握宜从主要的算法入手遥 就目前人工智能的发展 果并不明确袁 换而言之袁 数据分类的结果是否正确无从 而言袁 较为常用的深度学习算法主要有以下几类遥 得知遥 在人工智能发展中袁 非监督式学习主要适用于关 1.1 监督式学习 联规则的学习以及聚类等遥 监督式学习是由一组人工标记的数据推测出假设函 1.3 半监督式学习 数的人工智能深度学习算法遥 在该学习方式中袁 大量训 半监督式学习是介于监督式学习和非监督式学习之 练样本构成样本集袁 每个训练样本包含输入值和期望输 间的一种深度学习算法遥 半监督式学习模型主要用来预 出值遥 监督式学习功能的实现主要在于通过深度学习算 测数据的类型袁并且模型涉及的数据也比较多样化袁 既 法构建一个模型袁 然后将模型产生的预测结果与最终数 有被标识的数据袁 也有没有标识的数据遥 但要想达到预 据处理的结果进行对比袁 根据两者的偏差对模型进行不 测的目标袁 就需要先学习和掌握学习数据的内在结构袁 断的优化调整袁 以提升模型预测结果的准确性遥 图1是以针对房屋居住面积及其价格的人工智能深 作者简介：周晋 渊1981-冤袁 男袁 本科袁 工程师袁 研究方 度学习算法应用流程遥 在该应用中袁 训练集通过学习算 向院 计算机科学与技术遥 法的训练袁 求出一个关于房屋面积对价格的函数遥 当有 收稿日期：2019-04-17 2019.07 115 然后合理地组织数据进行预测遥 半监督式学习主要应用 2.4 基于核的算法 于分类和回归袁算法主要是对一些常用监督式学习算法 基于核的算法是强化学习中的一种算法袁 主要通过 进行的延伸袁并且这些算法会先对未标识的数据进行建 将所输入的数据映射到一个高阶向量空间袁 然后对其进 模袁 然后在此基础上对标识的数据进行预测遥 行部分分类尧 回归分析遥 这种通过对函数进行泛化处 1.4 强化学习 理袁 以离线方式计算出函数的方法能够直接处理