您好，歡迎來到易龍商務網！
發布時間：2017-08-18 09:41
【廣告】
有哪些傳統數據科學技術被大眾媒體稱為人工智能（AI）？
數據科學的簡要討論
要公正對待這些基礎數據科學技術，就需要閱讀多篇文章。在本文中，我們芝麻學院將給你最簡略描述，以及一些能查看更為完整信息的鏈接。
遞歸神經網絡(遞歸)： RNN是自然語言處理（NLP）的中心，也是游戲和類似的邏輯問題的中心。與CNN不同，它們將信息處理為時間序列，其中每個隨后的數據片段在某種程度上依賴于之前的片段。它可能不明顯，但語言屬于此類別，因為下一個字符或下一個字在邏輯上與前一個字符相關。RNN可以工作在字符、字或甚至長段級別，這使得它們能夠完美提供可預期的長篇回答您的客戶服務問題。RNN處理文本問題的理解以及形成復雜的響應，包括翻譯成外語。計算機能夠贏得國際象棋和圍棋，RNN功不可沒。
生成式對抗神經網絡（GANN）： CNN和RNN都受到同樣問題的困惑，即需要龐大的、繁重的數據量以便訓練，要么識別停車標志（圖像），要么了解如何回答您關于如何打開該帳戶（語音和文本）的問題。GANN能夠保證顯著減少訓練數據并提高精度。他們通過互相較量。這里有一個好故事，關于訓練卷積神經網來識別假法國印象派的藝術贗品。簡而言之，一個CNN被真正的法國印象派畫作來訓練，所以它應該認識真品。其他對抗性CNN，稱為生成式對抗神經網絡，實際上被賦予創造印象派繪畫贗品的任務。
CNN通過將像素值轉換為復雜的數值向量來執行圖像識別的任務。如果你向后運行它們，那就是從隨機數值向量開始，它們可以創建一個圖像。在這種情況下，NN生成贗品創造圖像，試圖欺騙嘗試學習如何檢測贗品的CNN。他們互相較量，直到生成器（贗品制造者）產生的圖像如此完美，以至于CNN無法將它們從原件和已經扳平的兩個對抗網絡區分出來。同時，設計用于確定來自贗品的原件的CNN已經在檢測贗品方面進行了極好的培訓，而沒有對數百萬偽造的法國印象派大師進行訓練這一不切實際的要求。總之，它們就是從其所在的環境中學習。
強化學習系統(RLS)
RLS是一種訓練系統以識別對其環境直接響應的最佳結果的方法。這里沒有單一的算法，而是一組定制應用程序。 RNN可以用作RLS中的一種類型的“代理”。RLS是自駕車和類似設備的核心技術，不需要語言界面。本質上，這是機器可以從中學習并記住在特定情況下采取的最佳行動的方法。當你的自駕車決定黃燈亮起時停車，而不是通過，一個RLS被用來創造學習的行為。
機器人
機器人領域對于AI是重要的，因為它是AI數據科學在現實世界中顯現的主要方式。大多數機器人是簡單和非常復雜的工程。機器人技術背后的AI主要是強化學習。
脈沖神經網絡（又名神經擬態計算）Spiking Neural Nets (aka Neuromorphic Computing)
通常，我們芝麻學院第二代AI主要是基于硬件進步，使我們芝麻學院能夠使用算法，如在以前根本不可行的神經網絡。但所有這一切都在迅速發展，我們芝麻學院正處于進入第三代AI的前沿。
第三代AI將基于脈沖神經網絡，也稱為神經擬態計算，因為它試圖更密切地模仿人類大腦實際工作的方式。改變的核心是圍繞這樣的事實：腦神經元不經常彼此通信，而是在信號的峰值。挑戰是找出一個消息在這個電子脈沖應該如何編碼。
當這一天來臨時，我們芝麻學院有如下的期望：
它們可以從一個來源學習，并應用到另一個。它們可以對其所在的環境進行概括。
它們可以記住。他們可以記住。任務一旦學會，可以回憶并能應用于其他數據。
它們更節能，開辟了一條小型化的道路。
它們從自己的環境中學習，沒有監督，只有很少的例子或觀察。這些使它們能夠進行快速學習。 
中金盈科的宗旨是“質量第一，服務至上”。我們嚴密的產品質量管理體系保證了Python培訓、千人導師團等產品質量的高品質和穩定性。我們擁有設備一流的實驗室和一支具有豐富經驗的專業技術團隊。在未來，我們來將繼續努力，合作共贏、共創美好明天！更多詳情請訪問*：www.yknet.cc
