zoukankan      html  css  js  c++  java
  • 1.机器学习,深度学习,神经网络

    自己开发了一个股票智能分析软件,功能很强大,需要的点击下面的链接获取:

    https://www.cnblogs.com/bclshuai/p/11380657.html

     

    目录

    1      绪论

    1.1          概念介绍

    1.2          机器学习

    1.3          表示学习

    1.3.1     局部表示和分布式表示

    1.3.2     表示学习

    1.4          深度学习

    1.4.1     端到端学习

    1.5          神经网络

    1       绪论

    1.1  概念介绍

    深度学习是机器学习的一个分支,指从有限的样例中,通过算法总结出规律,可以应用到新的数据上。

    人工神经网络是受人脑的神经系统启发而构造的数学模型,神经网络由神经元连接而成,有输入和输出,中间的信息处理传递路径比较长,复杂的神经网络比较深,所以叫深度学习。

    人工智能发展时间线

     

    1.2  机器学习

    从有限的数据中学习出有一般性的规律,并对未知的数据进行预测。数据有多种多样的数据形式:图像、声音、文本。机器学习处理数据的步骤:

    (1)   数据预处理:去噪声,去除文本的停用词。

    (2)   特征提取:从原始数据中提取有效的特征。

    (3)   特征转换:对特征进一步加工,比如降维:特征抽取,特征选择。常用的特征转换方法有主成分分析和线性判别分析。

    (4)   预测。学习一个函数并预测结果。

    1.3  表示学习

    对原始数据进行一个抽象概括,提高分析预测的抽象能力。例如分析车辆数据,如果基于的是底层数据(汽车的像素数据),每辆车的颜色,形状,大小都不一样,分析了奔驰的数据,保时捷就识别不出。所以需要从更抽象的高层语义上去表示数据的特征,才能提高算法识别的准确性和通用性。那什么是好的表示,如何学到好的表示?

    好的表示有三个特点

    (1)   强表示能力,同样大小的向量可以表示更多的信息。

    (2)   包含高层的语义信息,使后续的任务学习更加简单。

    (3)   一般通用性,可以迁移到其他任务。

    1.3.1         局部表示和分布式表示

    局部表示:以颜色威力,用不同的名字来表示颜色:中国红,琥珀蓝等,也称为离散表示或符号表示,解释性好,用一维向量表示,每种颜色的一维向量中只有一个值为1, 其他都是0。每增加一种颜色,都要增加向量的长度。所以不容易扩展而且不好判断颜色之间的关系。

    分布式表示:用RGB值来表示,三维的向量,维度低,值不同,表示不同的颜色。

    嵌入:将从高维度的局部表示转换到低纬度的分布式表示过程。

    1.3.2         表示学习

    高层次的语义表示一般为分布式表示,例如RGB三个值表示颜色。通常需要从底层特征开始,经过多步非线性转换才能得到。

    1.4  深度学习

    为了学习到好的表示,需要构建一定深度的模型,通过学习算法让模型自动学习出好的特征表示(从底层特征,到中层特征,到高层特征),把原始数据变成让更高层次,更抽象的表示。从而提升预测模型的准确性,通用性。深度就是非线性特征的转换次数。深度学习就是从数据中学到有效的特征表示。也可以看作是从输入节点到输出节点所经过的最长路径的长度。深度学习需要解决是的贡献度分配问题,即一个系统中不同的组件或参数对最终系统输出结果的贡献或影响。通过误差反向传播,不断的强化模型,从而比较好的解决贡献度分配问题。

     

    浅层学习

    不涉及特征学习,其特征主要靠人工经验或特征转换方法来抽取。

     

    1.4.1         端到端学习

    复杂的任务需要分割成多个子模块,例如语言理解,词性理解,语义分析等多个步骤。分块学习会造成每个模块单独优化,误差对下一个模块的学习影响很大,端到端学习是指不进行分块训练,直接优化任务的总目标,中间过程不需要人为的干预。

    1.5  神经网络

    神经网络是模拟神经元结构而构造的数学模型,神经元由轴突和树突组成,轴突的信号传递到树突,如果树突接收到的信号总和超过阈值,则细胞会兴奋,产生电脉冲,传递给其他神经元。神经网络模拟神经元的结构、机理,、功能。由多个节点连接而成,节点之间的连接被赋予了不同的权重,权重代表影响大小,每个节点代表一个函数,其他节点的信息仅供权重计算之后,输入到激活函数,得到新的值,传递给下一个节点。

     

    1.6  常用的深度学习框架

    深度学习框架具有的特性

    (1)简易和快速的原型设计

    (2)自动梯度计算

    (3)无缝CPU和GPU切换

     

  • 相关阅读:
    日期时间工具类
    jQuery 使用attr()方式设置 checked 失效原因及解决方法
    vue总结
    【笔记】golang中使用protocol buffers的底层库直接解码二进制数据
    【笔记】对golang的大量小对象的管理真的是无语了……
    【记录一个问题】thanos receiver在更换tsdb文件后,内存并未显著下降
    【笔记】论文阅读:《Gorilla: 一个快速, 可扩展的, 内存式时序数据库》
    【分享】thanos receiver的grafana报表配置
    【采坑小计】thanos receiver的官方文档中,并未说明tsdb落盘的配置方式
    【记录一个问题】thanos receiver在tsdb切换期间,导致remote write接口失败增加
  • 原文地址:https://www.cnblogs.com/bclshuai/p/13986999.html
Copyright © 2011-2022 走看看