机器学习

图是一种数据结构，它对一组对象(节点)及其关系(边)进行建模。近年来，由于图结构的强大表现力，用机器学习方法分析图的研究越来越受到重视。图神经网络(GNN)是一类基于深度学习的处理图域信息的方法。由于其较好的性能和可解释性，GNN最近已成为一种广泛应用的图分析方法。GNN的第一…

循环神经网络(Recurrent Neural Network,RNN)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式…

机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器…

卷积神经网络的发展，最早可以追溯到1962年，Hubel和Wiesel对猫大脑中的视觉系统的研究。1980年，一个日本科学家福岛邦彦(Kunihiko Fukushima)提出了一个包含卷积层、池化层的神经网络结构。在这个基础上，Yann Lecun将BP算法应用到这个神经网络…

深度学习是近10年机器学习领域发展最快的一个分支，由于其重要性，三位教授(Geoffrey Hinton、Yann Lecun、Yoshua Bengio)因此同获图灵奖。深度学习模型的发展…

有一些特定的标准可用于分类模型解释方法。Christoph Molnar在2023年“可解释的机器学习，制作黑箱模型可解释指南”中提到了一个很好的指南。内在还是事后?内在可解释性就是利用机器学习模型，该模型本质上是可解释的(如线性模型，参数模型或基于树的模型)。事后可解释性意味…

对抗机器学习是一个机器学习与计算机安全的交叉领域。对抗机器学习旨在给恶意环境下的机器学习技术提供安全保障。由于机器学习技术一般研究的是同一个或较为稳定的数据分布，当部署到现实中的时候，由于恶意用户的存在，这种假设并不一定成立。比如研究人员发现，一些精心设计的对抗样本(adver…

生成对抗网络(Generative Adversarial Networks,GAN)是用于无监督学习的机器学习模型，由Ian Goodfellow等人在2023年提出。由神经网络构成判别器…

从1990到2023年，机器学习逐渐走向成熟和应用，在这20多年里机器学习的理论和方法得到了完善和充实，可谓是百花齐放的年代。代表性的重要成果有：支持向量机(SVM，1995)、AdaBoost算法(1997)、循环神经网络和LSTM(1997)、流形学习(2000)、随机森林…

1980年机器学习作为一支独立的力量登上了历史舞台。在这之后的10年里出现了一些重要的方法和理论，典型的代表是：分类与回归树(CART，1984)、反向传播算法(1986)、卷积神经网络(1989)。从1990到2023年，机器学习逐渐走向成熟和应用，在这20多年里机器学习的理…

机器学习算法可以按照不同的标准来进行分类。按照训练样本提供的信息以及反馈方式的不同，将机器学习算法分为监督学习、无监督学习和强化学习。监督学习监督式学习(Supervised Learnin…

机器学习已经成为了当今的热门话题，但是从机器学习这个概念的诞生到机器学习技术的普遍应用经过了漫长的过程。在机器学习发展的历史长河中，众多优秀的学者为推动机器学习的发展做出了巨大的贡献。从1642年Pascal发明的手摇式计算机，到1949年Donald Hebb提出的赫布理论—…

在这篇文章中，小编将为大家带来人工智能AI的相关报道。如果你对本文即将要讲解的内容存在一定兴趣，不妨继续往下阅读哦。一、人工智能的3个层次现在很多业界人士都对强人工智能和弱人工智能有很清晰的定义，其实强的人工智能还是存在比较遥远的探索阶段，它是关于自我意识方面比较深层次的探索，…