AI 机器学习发展史

1、模型 M-P神经网络模型

2、1949 Hebb规则 刺激–》加强 训练强化

3、1957 Perception模型

4、1969 感知机模型 不能解决XOR问题

5、1982 离散网络模型、连续网络模型

6、BP算法 多层网络误差反传

7、90中期 orther竞争力学习模型 低潮

8、2006 热点 梯度消失、梯度爆炸、计算机算力提升

神经元传输

特性:多输入、单输出

图片

神经元先对入参数据进行求和操作、之后经过激活函数、最终得到data值

感知机 :
线程分割
不能XOR 【异或】
加入隐藏层 支持XOR

图片

  • 损失函数定义

图片

Tensorflow

  • 定义域 obj定义
  • 操作域 赋值

namescope : 在同一个变量名不同作用效果、好处、代码配置化

placeholder:运行时赋值
session.run{feed.dict=”指定初始值”}

  • 训练模式 :分批小批数据训练

*深度学习

1、CNN 卷积神经网络【图像识别】

流程:【卷积过程依据特征粒度(特征粒度自己创造的词汇)】
输入-》卷积-》池化-》卷积-》池化-》全连接

2、循环神经网络【语言识别、股票预测】

第一个如参值参与后边所有数据入参

图片