没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
电子AI+系列专题报告(一)
AI大语言模型的原理、演进及算力测
算
人工智能、机器学习与神经网络简介
01
Transformer模型结构分析
02
大规模语言模型算力需求测算( 以GPT- 3 为例)
03
产业链相关公司
04
目
录
风险提示
05
一、人工智能、机器学习与神经网络简
介
l 人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的 门新的
技术科学。人工智能的最终目标是使计算机能够模拟人的思维方式和行为。
l 机器学习(Machine Learning,ML)是实现人工智能的一种途径,是一门专门研究计算机如何模拟或实现人类的学习行为、以获取
新的知识或技能、重新组织已有的知识结构使之不断改善自身性能的学科。
l 机器学习包括数据、模型、算法三要素。从实践上来看,机器学习是在大数据的支撑下,通过各种算法让机器对数据进行深层次的
统计分析以进行“自学”(训练模型),使人工智能系统获得了归纳推理和决策能力。机器学习作为一套数据驱动方法,已广泛应用于数
据挖掘、自然语言处理、机器视觉、搜索引擎、医学诊断、Th物特征识别、DNA序列测序、证券市场分析等领域。
机器学习是实现人工智能的途径之
一
图:机器学习训练与推理示意图 图:机器学习三要素
l 深度学习(Deep Learning,DL)是机器学习的子集,由人工神经网络(ANN)组成。深度学习模仿人脑中存在的相似结构
,其学习是通过相互关联的“神经元”的深层的、多层的“网络”来进行的。
l 典型的神经网络从结构上可以分为三层:输入层、隐藏层、输出层。其中,输入层(input layer)是指输入特征向量;
隐藏层(hidden layer)是指抽象的非线性中间层;输出层(output layer)是指输出预测值。深层神经网络即包含更多隐藏
层的神经网络。
l 相比于传统机器学习模型,深度学习神经网络更能在海量数据上发挥作用。若希望获得更好的性能,不仅需要训练一个规
模足够大的神经网络(即带有许多隐藏层的神经网络,及许多参数及相关性),同时也需要海量的数据支撑。数据的规模及神经
网络的计算性能,需要有强大的算力作为支撑。
模型及数据规模增加有利于提高深度神经网络性
能
图:不同深度的神经网络模型结构示意图 图:不同神经网络模型在不同数据量下性能曲线
剩余29页未读,继续阅读
资源评论
csdnxone
- 粉丝: 0
- 资源: 13
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功