找回密码
 注册
关于网站域名变更的通知
查看: 550|回复: 5
打印 上一主题 下一主题

机器学习和深度学习的5个关键区别

[复制链接]

该用户从未签到

跳转到指定楼层
1#
发表于 2021-3-26 13:41 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

EDA365欢迎您登录!

您需要 登录 才可以下载或查看,没有帐号?注册

x
什么是机器学习?
       通过机器学习,计算机系统通过编程来学习输入的数据,而不需要重复编程。换言之,他们不断地提高自己在任务上的表现,例如,在没有人帮助下玩游戏。机器学习被广泛应用于艺术、科学、金融、医疗等领域。有不同的方法让机器学习。有些是简单的,如一个基本的决策树;有些则要复杂得多,涉及多层人工神经网络。后者发生在深度学习中,我们一会儿再谈。

. |3 I% A& M& ^
       机器学习之所以成为可能,不仅仅是因为亚瑟·塞缪尔(ArthurSamuel)在1959年的突破性计划,使用了一个相对简单(按今天的标准)的搜索树作为其主要驱动程序,他的IBM计算机在跳棋方面不断得到改进。

$ \% P; q% W. @# {1 @3 M! }' q; d
多亏了互联网,大量的数据被创建和存储,这些数据可以提供给计算机系统,帮助他们“学习”。使用Python进行机器学习是当今最流行的方法。
" c  K7 W0 K& S1 \! T: }; y7 h, T" n
什么是深度学习?
       有人认为深度学习是机器学习的下一个前沿,是最前沿的前沿。如果你看过Netflix,一些流媒体音乐服务会根据你过去听过的歌曲,或你点赞过的歌曲,为你推荐观看的内容。这些能力都建立在深入学习的基础上。谷歌的语音识别和图像识别算法也使用深度学习。

2 S4 m6 Z" o0 K. i4 E2 T1 N
       正如机器学习被认为是人工智能的一种类型,深度学习通常被认为是机器学习的一种类型,有人称之为子集。虽然机器学习使用简单的概念,如预测模型,深度学习使用人工神经网络,旨在模仿人类的思维和学习方式。你可能还记得高中生物学中,人脑的主要细胞成分和主要计算元素是神经元,每个神经连接就像一台小型计算机。大脑中的神经元网络负责处理各种输入:视觉、感觉等。
; M% M1 z. C9 j# l  s1 o0 @
       与机器学习一样,在深度学习的计算机系统中,还是一样被喂数据,但是信息往往是以巨大的数据集的形式存在的,因为深度学习系统需要大量的数据来理解,才能返回准确的结果。然后,人工神经网络根据数据提出一系列二元真/假问题,涉及高度复杂的数学计算,并根据得到的答案对数据进行分类。

) _( v& R4 g6 d) o' F3 [
因此,尽管机器学习和深度学习都属于人工智能的一般分类,而且都是从数据输入中“学习”,但两者之间有一些关键的区别。

4 L  p! T& w3 d
机器学习和深度学习的5个关键区别
1 i& J9 ~% b6 C4 Y6 s/ \# d! E3 m" o. y
1人为干预
       不像在机器学习系统中,人类需要根据数据类型(例如,像素值、形状、方向)识别和手工编码应用的特征,深度学习系统会试图在不需要额外人工干预的情况下学习这些特征。以人脸识别程序为例,程序首先学习检测和识别人脸的边缘和线条,然后学习人脸的更重要部分,最后学习人脸的整体表示。这样做所涉及的数据量是巨大的,随着时间的推移和程序本身的训练,得到正确答案的概率(即准确识别人脸)便会增加。这种训练是通过使用神经网络进行的,类似于人脑的工作方式,不需要人重新编码程序。
0 {& J, M/ G1 C1 O
2硬件
       由于要处理的数据量和所用算法中涉及的数学计算的复杂性,深度学习系统比简单的机器学习系统需要更强大的硬件。一种用于深度学习的硬件是图形处理单元(gpu)。机器学习程序可以在低端机器上运行,不需要那么多算力。
! P4 ~1 E7 F. t: i! q7 P6 u$ J6 k
3时间
       如您所料,由于深度学习系统需要大量的数据集,而且涉及到太多的参数和复杂的数学公式,因此深度学习系统可能需要花费大量的时间来训练。机器学习可能只需要几秒钟到几个小时,而深度学习可能需要几个小时到几个星期!

5 c1 Z, K  q; ~
4方法
       机器学习中使用的算法倾向于对数据进行部分解析,然后将这些部分结合起来得到结果或解决方案。深度学习系统可以一下子解决整个问题或场景。例如,如果您想要一个程序来识别图像中的特定对象(例如,它们是什么以及它们在停车场汽车牌照上的位置),您就必须通过机器学习完成两个步骤:首先是对象检测,然后是对象识别。但是,使用深度学习程序,您将输入图像,通过训练,程序将一次性得到已识别对象和其在图像中的位置。
# ^+ p: ]5 h" X9 E) T5 _: |3 z
5应用
       考虑到上面提到的所有其他差异,您可能已经了解到机器学习和深度学习系统用于不同的应用程序。它们的用途:基本的机器学习应用程序包括预测程序(例如预测股票市场的价格或下一次飓风将在何时何地袭来)、垃圾电子邮件识别器,以及为医疗患者设计循证治疗计划的程序。
& C4 r8 m$ c5 R" n
      对于深度学习,除了上面提到的Netflix、音乐流服务和面部识别等例子之外,深度学习的一个广为宣传的应用是自动驾驶。这些程序使用多层神经网络来确定要避开的对象、识别红绿灯以及知道何时加速或减速。

9 v' ]% f3 {; P. |7 e# E. C
机器学习与深度学习的未来趋势
       机器学习和深度学习的未来蕴含着无穷的可能!越来越多的机器人不仅用在制造业,而且在一些其他方面可以改善我们的日常生活方式。医疗行业也可能会发生变化,因为深度学习有助于医生更早地预测或发现癌症,从而挽救生命。在金融领域,机器学习和深度学习可以帮助公司甚至个人节省资金,更聪明地投资,更有效地分配资源。

4 W8 B6 k# T0 v! |5 C6 d9 x
  • TA的每日心情
    奋斗
    2025-1-1 15:26
  • 签到天数: 584 天

    [LV.9]以坛为家II

    3#
    发表于 2021-4-1 09:21 | 只看该作者
    很棒棒哦,加油哦

    该用户从未签到

    4#
    发表于 2021-4-7 10:48 | 只看该作者
    深入学习下。。。。

    该用户从未签到

    5#
    发表于 2021-4-7 14:39 | 只看该作者
    机器学习和深度学习的未来蕴含着无穷的可能!越来越多的机器人不仅用在制造业,而且在一些其他方面可以改善我们的日常生活方式。
    & @$ p( H3 }* U* [

    该用户从未签到

    6#
    发表于 2021-4-9 18:02 | 只看该作者
    通过机器学习,计算机系统通过编程来学习输入的数据,而不需要重复编程。
    3 c7 T" }+ Y5 G% I  y0 N7 e) {
    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    推荐内容上一条 /1 下一条

    EDA365公众号

    关于我们|手机版|EDA365电子论坛网 ( 粤ICP备18020198号-1 )

    GMT+8, 2025-6-11 06:43 , Processed in 0.078125 second(s), 23 queries , Gzip On.

    深圳市墨知创新科技有限公司

    地址:深圳市南山区科技生态园2栋A座805 电话:19926409050

    快速回复 返回顶部 返回列表