機器學習

機器學習 (ML)

傳統程式設計使用演算法來處理資料併產生結果

機器學習從資料和結果建立演算法

神經網路 (NN)

神經網路是

• 一種程式設計技術
• 機器學習中使用的一種方法
• 一種從錯誤中學習的軟體

神經網路基於人腦的工作原理
神經元之間相互傳遞資訊。當神經元反覆嘗試解決問題時，它會加強導致成功的連線，並削弱導致失敗的連線。

感知機

感知機定義了神經網路的第一步。

它代表一個單一的神經元，只有一個輸入層，沒有隱藏層。

學習如何編寫感知機.

神經網路

神經網路是多層感知機。

最簡單的形式下，神經網路由以下組成：

• 一個輸入層（黃色）
• 一個隱藏層（藍色）
• 一個輸出層（紅色）

在神經網路模型中，輸入資料（黃色）經過隱藏層（藍色）處理，然後產生最終輸出（紅色）。

第一層:
黃色感知機基於輸入做出簡單決策。每個單獨的決策被髮送到下一層的感知機。

第二層:
藍色感知機透過權衡第一層的輸出來做出決策。這一層比第一層做出更復雜的、更抽象的決策。

深度神經網路

深度神經網路由幾層神經網路組成，它們對海量資料執行復雜的操作。

每一層都以上一層作為輸入。

例如，光學字元識別使用低層來識別邊緣，高層來識別字母。

在深度神經網路模型中，輸入資料（黃色）經過隱藏層（藍色）處理，並經過更多隱藏層（綠色）的修改，最終產生輸出（紅色）。

第一層:
黃色感知機基於輸入做出簡單決策。每個單獨的決策被髮送到下一層的感知機。

第二層:
藍色感知機透過權衡第一層的輸出來做出決策。這一層比第一層做出更復雜的、更抽象的決策。

第三層:
綠色感知機做出更復雜的決策。

深度學習 (DL)

深度學習是機器學習的一個子集。

近幾年來人工智慧的繁榮得益於深度學習。

深度學習是一種先進的機器學習型別，可處理影像識別等複雜任務。