人工智能技术的定义十分宽泛，机器学习技术作为人工智能领域研究的一个重要分支，在图像、语音处理领域取得了广泛的应用。本文中提及与使用的人工智能技术基本上以机器学习技术为主。从学习形式上来讲，机器学习分为监督学习、无监督学习以及介于两者之间的半监督学习。监督学习中，作为学习对象的实例由样本数据与对应的期望输出（通常称为标签）两部分组成，算法通过学习大量的实例调整参数，从而完成特定的任务。无监督学习中实例仅由样本数据构成，需要算法自行寻找数据之间的差异。而半监督学习中，一部分样本具有标签，另一部分则没有标签，因而需要尽可能利用标签信息提高算法性能。监督学习目前的应用最广，相关研究也更为深入。根据监督学习过程中使用的算法，又可以将其分为支持向量机（Support Vector Machine，SVM）、随机森林（Random Forests，RF）、神经网络（Neural Networks，NNs）等。深度学习是一类基于多层神经网络的学习方法，它尝试模仿人类思维的认知过程并用神经网络模型进行表征。与其他方法相比，深度学习方法存在以下优势：（1）能够自动提取数据中的特征，降低了特征工程的成本；（2）在大规模数据下表现优秀。
此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 人工智能技术到底包含了哪些技术？