AI技术：理解监督学习

我将告诉大家最常用的是什么。教师培训这是关于。 

早期的AI算法被理解为与新生儿的大脑一样完全空白. 这不是一个真正的空白。 为了做一些与AI有关的事情,人们必须自己教它. 因此,教学对教师如此重要。

我会用这个来描述老师的学习,通过区分狗和猫,这是最常用的例子.

当你第一次展示 你的狗和猫, 新生儿不能区分狗和猫.。 。 。 。 我对猫和狗没经验 他们不知道狗长什么样, 我该做什么来帮助我的孩子区分猫和狗? 父母给狗看"这只动物是狗",他们教猫,"这只动物是猫".. 如果你重复了几次,你的新生儿会认识到一只狗和一只猫之间的区别.。 。 。 。 这个过程完成后,新生儿在看到狗时可以回答"狗",在看到猫时可以回答"猫".

从上述例子中可以看出,人工智能与新生儿相似. 早期AI无法分辨出哪些图像是狗的图像,哪些是猫的图像.。 。 。 。 因为他们没有受过训练。 所以,为了学习人工智能, 一个人应该准备大量包含狗和猫的图像. 此外,包含一个人自己的狗的图像应该用"这个图像是狗的图像"来标记,包含猫的图像应该用"这个图像是一个猫的图像"来标记.. 当将许多标记的图像输入AI时,AI会自动识别图像和标记,狗的图像会自动识别特征是什么,猫的图像是什么.。 。 。 。 当狗的形象被输入已完成学习的AI时,狗的形象被确定与用来学习的狗的形象相似,猫的输出被确定与猫的形象被输入时用来学习的猫的形象相似.

让我以更专业的方式解释上述每个步骤。

          (这可能与实际描述略有不同。 )

一个人将包含狗的图像标记为"这个图像是狗的图像",并将包含猫的图像标记为"这个图像是一个猫的图像".我说的 它实际上没有标记,但它将图像贴上数字如0和1的标签. 换句话说,0表示"这个图像是狗的形象",1表示"这个图像是猫的形象". 在所有数据上进行标签 注释国歌.

          (这可能与实际描述略有不同。 )

学习(E)培训对这一过程的一个更具体的描述是,在学习过程中,可以输入狗的形象或猫的形象,并查看AI输出值是什么. 如果插入一只狗的图像,并且数字0.8(一个接近猫的值)是输出的,则0到0.8之间的差值倒入AI. 当进行这种反波时,AI中相应的参数值(重量值)会被更新,这样在输入狗图像时,0的值就可以输出. 当这个过程多次重复时,AI中的参数会被修改,这样当狗的形象出现时,输出最终可以是零.

          (这可能与实际描述略有不同。 )

当AI完成后,我们可以在AI中放上一个新的形象,以确定它是人还是猫. 推理对不起 换句话说,如果将新图像输入已完成学习的AI,AI会计算图像是狗的概率和它是猫的概率,并作为最终输出提供更高的概率.