<li id="k7hla"></li>
  • <progress id="k7hla"><track id="k7hla"></track></progress>

      <rp id="k7hla"></rp>
    1. <tbody id="k7hla"><pre id="k7hla"></pre></tbody>

          人工智能、机器学习、深度学习、强化学习

          网站首页    行业信息    人工智能、机器学习、深度学习、强化学习

           

          人工智能机器学习深度学习和强化学习

              

                   “放眼”看世界,“机智”测大千高视科技将各种先进的人工智能技术用于工业质检中,特别是近年来货源的深度学习和强化学习,在很多项目中高视科技都使用了这些技术。由下图可以看出:人工智能是一个很大的概念,机器学习是其中一个子集,而深度学习和强化学习又是机器学习的子集。

           

          D:\高视-技术文章\人工智能、机器视觉和深度学习\v2-e358e127afbe5963f5b8622e2dd5b49f_b.jpg

          人工智能

          人工智能(Artificial Intelligence)是一个最广泛的概念,人工智能的目的就是让计算机这台机器能够象人一样思考通常将人工智能分为弱人工智能和强人工智能:弱人工智能让机器具备观察和感知的能力,可以做到一定程度的理解和推理;而强人工智能让机器获得自适应能力,解决一些之前没有遇到的问题。

           

          器学习

          机器学习(Machine Learning)是人工智能的分支,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,使之不断改善自身的性能。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。

           

          度学习

          深度学习(Deep Learning)是一种机器学习的方法,它利用深度神经网络(DNN来解决特征表达的一种学习过程深度神经网络大致理解为包含多个隐含层的神经网络结构。目前DNN演化出许多不同的网络拓扑结构,包括卷积神经网络(CNN)、递归神经网络(RNN)、长期短期记忆网络(LSTM)、生成对抗网络(GAN)等。

           

          强化学习

          强化学习(reinforcement Learning),又称再励学习或者评价学习,是机器自主探索环境状态,采取行为作用于环境并从环境中获得回报的过程。强化学习框架如下图所示。

           

          D:\高视-技术文章\人工智能、机器视觉和深度学习\20170430170552375.jpg

           

          强化学习是智能体以“试错”方式进行学习,通过与环境进行交互获得奖赏指导行为,目标是使智能体获得最大奖惩。不同于机器学习的监督学习和非监督学习,强化学习不要求预先给定任何数据,而是通过接收环境对动作的奖励(反馈)获得学习信息并更新模型参数。深度学习模型可以在强化学习中得到使用,形成深度强化学习。

           

          从广泛意义的人工智能,到具体的深度学习和强化学习,先进的算法在工业检测领域得到越来越广泛的应用。工业质检设备必将由弱人工智能,走向具有自主决策和自我再学习的强人工智能。

           

           

          2020年3月27日 10:45