2018-10-08 11:54:18王維
AI演算法
類神經網路(ANN)發展20幾年,一直沒有進展,其預測的精確度只能達到60%~70%,這幾年因大數據和電腦硬體計算能力的提升,使用ANN來做預測,準確度已達升到90%~99%,我們就稱它做機器深度學習的AI。
ANN由神經元組成,其架構有一輸入層,數個隱藏的處理層,和一個輸出層。每個神經元對另一個神經元的影響力,視其權重而定,當我們餵入大量資料,經過處理層的處理(就是調整其權重大小),而得到最小誤差的輸出。這個過程就是學習,而多層次處理,可由下而上,逐步堆疊,抽取高抽象層次特徵值,就像是處理更高維度的自變數一般。
現今實用ANN主要演算法有
-
卷積神經網路(CNN),透過篩選、過濾、壓縮,來減少層與層之間信息傳遞,可增快運算速度,通常用於圖形辨識、人臉辨識、物件偵測、電腦視覺。
-
遞歸神經網路(RNN),是指考慮時間序列處理連續性串列對串列的一種運算,通常用於機器翻譯、語音辨識、本文辨識、語音合成、自然語言處理等方面。
現今的谷哥,亞馬遜和微軟,皆有提供套件,使用者可輕易拿來使用,AI的發展,其實已在我們身邊。