人工智能发展的关键技术

目录

• 人工智能，机器学习，神经网络，深度学习的相互关系
• 机器学习
• 神经网络发展史
• 浅层神经网络的时间发展线
• 深层神经网络的时间发展线
• TensorFlow 深度学习框架的 3 大核心功能
  • a) 加速计算 ，充分利用GPU
  • b) 自动梯度
  • c) 常用神经网络接口

人工智能，机器学习，神经网络，深度学习的相互关系

机器学习

强化学习 也称为增强学习，通过与环境进行交互来学习解决问题的策略的一类算法。与有监督、无监督学习不同，强化学习问题并没有明确的“正确的”动作监督信号，算法需要与环境进行交互，获取环境反馈的滞后的奖励信号，因此并不能通过计算动作与“正确动作”之间的误差来优化网络。常见的强化学习算法有 DQN，PPO 等。

神经网络发展史

浪潮	代表人物	代表技术	进入低谷的原因
第一次	Warrent McCulloch,Walter Pitts	MP神经元模型	无法解决XOR问题
43-69	Frank Rosenblatt	Mark1 感知机
第二次	John Hopfild	Hopfild 网络	神经网络缺乏完备的理论支持，效果又不如SVM
82-95	David Rumelhart 和 Geoffrey Hinton	CNN,RNN,BP算法
	Yann LeCun	BP算法应用于图像识别
	Jürgen Schmidhuber	LSTM
第三次	Geoffrey Hinton	多层神经网络/deep learning	兴起的原因：数据量和算力的提高
06-	Xavier Glorot	ReLU激活函数
	Alex Krizhevsky	AlexNet/Dropout
	牛津大学Oxford Visual Geometry Group	VGG
	Google	GooLeNet
	HeKaiMing	ResNet
	Gao Huang，Zhuang Liu	DenseNet
	Ian Goodfellow	GAN
	DeepMind	DQN
	Google	BERT

浅层神经网络的时间发展线

深层神经网络的时间发展线

TensorFlow 深度学习框架的 3 大核心功能

a) 加速计算 ，充分利用GPU

b) 自动梯度

c) 常用神经网络接口