*请注意,这一系列文章的骨架来源于Neural Networks and Deep Learning
<http://neuralnetworksanddeeplearning.com/chap1.html>
 ,本人阅读后对原文进行提炼和加工,重构了整个文笔以让中文的初学者更容易阅读和理解,并首发于CSDN博客上,转载请先联系本人微信986597353,否则一经发现,视为侵权,必将追究法律责任

导航

第一章 面向幼儿园的人工智能

第一篇: 开篇-机器学习 <https://blog.csdn.net/a986597353/article/details/79843985>

第二篇: 感知器 <https://blog.csdn.net/a986597353/article/details/79844022>

第三篇: sigmoid神经元 <https://blog.csdn.net/a986597353/article/details/79844238>

第四篇: 神经网络的结构 <https://blog.csdn.net/a986597353/article/details/79866148>
第五篇: 一个简单的分类手写数字神经网络
<https://blog.csdn.net/a986597353/article/details/79867733>




第二章 面向小学生的机器学习 <https://blog.csdn.net/a986597353/article/details/79870538>




正文 开篇-机器学习







现在散落在网络上的文章,一涉及到机器学习肯定是一大堆的公式,一大堆初学者不明所以的名词,但我想试试用一些非常简单的生活例子就能明白的中文语句来帮助初学者认识机器学习,前五篇文章并不需要高深的数学知识,也不需要高深的编程知识,只需要你看得懂中文,yes,所以这是面向幼儿园的,后面的会慢慢由浅入深,但是不用害怕,每一步我都会非常详细的说明。需要特别注明的是,这一系列的文章的骨架都源于
Neural Networks and Deep Learning
<http://neuralnetworksanddeeplearning.com/chap1.html>。


由于工作的原因,这一系列文章的编撰可能会比较慢,我会尽可能保持在一天更新一小节的节奏,从2018年4月开始发布,预计在2018年8月份完结。这是一份完全免费的礼物,因为我从互联网上获取了非常多的知识,我希望付出人生的一段时光来回报前人给予我的帮助,也帮助那些想要学习,但苦恼于网络上大部分文档偏难的中文学习者建立信心,顺利进入机器学习的世界。




现在,在一切开始之前,我们必须要明白机器学习到底是要干什么?


实际上机器学习的目的可以认为是寻找一种方法,这种方法可以让你在放进一段声音的时候辨别出它叙述的文字,或者是在你放进一张动物图片的时候得到它的物种类别,也可以是和alphaGo
一样,当你输入一张棋谱的时候得到下一步应该怎么走,总之就是它是要找到一个方法,这个方法能完美的实现当我们给定一个或者多个已知条件的输入的时候,能够得到我们想要的输出。

以图片识别举例,简单来说,可以分为三步:


(1)有一堆的函数,函数就是方法,方法就是你给他一个输入,它就给你输出,其中有的函数会在输入某种动物的图片的时候准确判断出它的物种(正确识别),比如会返回一个英文cat(猫)给你,这代表它认为你给它的这张图片是一只猫,有的会把一只猫的图片识别为狗或者是狮子(错误识别)。


(2)我们通过训练数据,训练数据是什么?在这里训练数据就是各种动物的图片,可以是你百度拿到的图片,也可以你自己跑去非洲照一大堆狮子老虎等等图片,和监督学习,监督学习在后面会慢慢讲到,这里你只要认为机器可以和婴儿一样,通过不断的观察图片来认识狮子或者老虎就可以了,来找到其中可能是输出准确的函数。


(3)通过第二步拿到的函数并不能保证100%是完美的,所以我们要对它进行测试,这时候我们又要有一堆测试的图片了,我们会使用这堆图片输入函数,以帮助测试这个函数是否真的识别准确并让它完善。





OK,以上三步就完成了一个人工智能,是不是看起来非常简单呢?实际上任何复杂的东西都是由非常简单的元素组成的,如果你觉得一样东西实在太难学了,那你只要把它拆分成一部分一部分的学习了解,一切就会变得简单明了,所以在学习前要有信心,毕竟毛主席说过,在战略上要藐视敌人,不要被一大堆的看不懂的编程语言和高数所拦住停下了脚步。



下一篇 感知器 <https://blog.csdn.net/a986597353/article/details/79844022>