姓名：張慶慶
學(xué)號(hào)：19021211151
嵌牛導(dǎo)讀：了解人工智能的相關(guān)應(yīng)用領(lǐng)域及技術(shù)分支蜓耻，了解機(jī)器學(xué)習(xí)算法的相關(guān)內(nèi)容。
?嵌牛鼻子：人工智能 神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)
嵌牛提問(wèn)：人工智能的應(yīng)用及技術(shù)手段是怎么樣劃分的
轉(zhuǎn)載源：人工智能_機(jī)器學(xué)習(xí)_深度 - 簡(jiǎn)書
嵌牛正文：
人工智能的研究領(lǐng)域也在不斷擴(kuò)大械巡，圖二展示了人工智能研究的各個(gè)分支刹淌，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)讥耗、進(jìn)化計(jì)算有勾、模糊邏輯、計(jì)算機(jī)視覺(jué)古程、自然語(yǔ)言處理蔼卡、推薦系統(tǒng)等。
image
人工智能的分類方法從產(chǎn)品上分為三種挣磨，第一類是解決識(shí)別的問(wèn)題雇逞，比如說(shuō)語(yǔ)音識(shí)別、圖像識(shí)別茁裙；第二類是解決生成的問(wèn)題塘砸，比如有的人工智能可以用來(lái)作畫、用來(lái)寫詩(shī)晤锥。第三類是用來(lái)做決策掉蔬，也是三大領(lǐng)域中最重要、最能夠創(chuàng)造財(cái)富的場(chǎng)景矾瘾。
應(yīng)用領(lǐng)域：
個(gè)人助理（智能手機(jī)上的語(yǔ)音助理眉踱、語(yǔ)音輸入、家庭管家和陪護(hù)機(jī)器人） 產(chǎn)品舉例：微軟小冰霜威、百度度秘谈喳、科大訊飛等、Amazon Echo戈泼、Google Home等
安防（智能監(jiān)控婿禽、安保機(jī)器人） 產(chǎn)品舉例：商湯科技、格靈深瞳大猛、神州云海
自駕領(lǐng)域（智能汽車扭倾、公共交通、快遞用車挽绩、工業(yè)應(yīng)用） 產(chǎn)品舉例：Google膛壹、Uber、特斯拉、亞馬遜模聋、奔馳肩民、京東等
醫(yī)療健康（醫(yī)療健康的監(jiān)測(cè)診斷、智能醫(yī)療設(shè)備） 產(chǎn)品舉例： Enlitic链方、Intuitive Sirgical持痰、碳云智能、Promontory等
電商零售（倉(cāng)儲(chǔ)物流祟蚀、智能導(dǎo)購(gòu)和客服） 產(chǎn)品舉例：阿里工窍、京東、亞馬遜
金融（智能投顧前酿、智能客服患雏、安防監(jiān)控、金融監(jiān)管） 產(chǎn)品舉例：螞蟻金服罢维、交通銀行纵苛、大華股份、kensho
教育（智能評(píng)測(cè)言津、個(gè)性化輔導(dǎo)攻人、兒童陪伴） 產(chǎn)品舉例：學(xué)吧課堂、科大訊飛悬槽、云知聲
機(jī)器學(xué)習(xí)算法
監(jiān)督學(xué)習(xí) Supervised learning
人工神經(jīng)網(wǎng)絡(luò) Artificial neural network
自動(dòng)編碼器 Autoencoder
反向傳播 Backpropagation
玻爾茲曼機(jī) Boltzmann machine
卷積神經(jīng)網(wǎng)絡(luò) Convolutional neural network
Hopfield網(wǎng)絡(luò) Hopfield network
多層感知器 Multilayer perceptron
徑向基函數(shù)網(wǎng)絡(luò)（RBFN） Radial basis function network(RBFN)
受限玻爾茲曼機(jī) Restricted Boltzmann machine
回歸神經(jīng)網(wǎng)絡(luò)（RNN） Recurrent neural network(RNN)
自組織映射（SOM） Self-organizing map(SOM)
尖峰神經(jīng)網(wǎng)絡(luò) Spiking neural network
貝葉斯 Bayesian
樸素貝葉斯 Naive Bayes
高斯貝葉斯 Gaussian Naive Bayes
多項(xiàng)樸素貝葉斯 Multinomial Naive Bayes
平均一依賴性評(píng)估（AODE） Averaged One-Dependence Estimators(AODE)
貝葉斯信念網(wǎng)絡(luò)（BNN） Bayesian Belief Network(BBN)
貝葉斯網(wǎng)絡(luò)（BN） Bayesian Network(BN)
決策樹 Decision Tree
分類和回歸樹（CART） Classification and regression tree (CART)
迭代Dichotomiser 3（ID3） Iterative Dichotomiser 3(ID3)
C4.5算法 C4.5 algorithm
C5.0算法 C5.0 algorithm
卡方自動(dòng)交互檢測(cè)（CHAID） Chi-squared Automatic Interaction Detection(CHAID)
決策殘端 Decision stump
ID3算法 ID3 algorithm
隨機(jī)森林 Random forest
SLIQ
線性分類 Linear classifier
Fisher的線性判別 Fisher's linear discriminant
線性回歸 Linear regression
Logistic回歸 Logistic regression
多項(xiàng)Logistic回歸 Multinomial logistic regression
樸素貝葉斯分類器 Naive Bayes classifier
感知 Perceptron
支持向量機(jī) Support vector machine
無(wú)監(jiān)督學(xué)習(xí) Unsupervised learning
人工神經(jīng)網(wǎng)絡(luò) Artificial neural network
對(duì)抗生成網(wǎng)絡(luò)
前饋神經(jīng)網(wǎng)絡(luò) Feedforward neurral network
極端學(xué)習(xí)機(jī) Extreme learning machine
邏輯學(xué)習(xí)機(jī) Logic learning machine
自組織映射 Self-organizing map
關(guān)聯(lián)規(guī)則學(xué)習(xí) Association rule learning
先驗(yàn)算法 Apriori algorithm
Eclat算法 Eclat algorithm
FP-growth算法 FP-growth algorithm
分層聚類 Hierarchical clustering
單連鎖聚類 Single-linkage clustering
概念聚類 Conceptual clustering
聚類分析 Cluster analysis
BIRCH
DBSCAN
期望最大化（EM） Expectation-maximization(EM)
模糊聚類 Fuzzy clustering
K-means算法 K-means algorithm
k-均值聚類 K-means clustering
k-位數(shù) K-medians
平均移 Mean-shift
OPTICS算法 OPTICS algorithm
異常檢測(cè) Anomaly detection
k-最近鄰算法（K-NN） k-nearest neighbors classification(K-NN)
局部異常因子 Local outlier factor
半監(jiān)督學(xué)習(xí) Semi-supervised learning
生成模型 Generative models
低密度分離 Low-density separation
基于圖形的方法 Graph-based methods
聯(lián)合訓(xùn)練 Co-training
強(qiáng)化學(xué)習(xí) Reinforcement learning
時(shí)間差分學(xué)習(xí) Temporal difference learning
Q學(xué)習(xí) Q-learning
學(xué)習(xí)自動(dòng) Learning Automata
狀態(tài)-行動(dòng)-回饋-狀態(tài)-行動(dòng)（SARSA） State-Action-Reward-State-Action(SARSA)
深度學(xué)習(xí) Deep learning
深度信念網(wǎng)絡(luò) Deep belief machines
深度卷積神經(jīng)網(wǎng)絡(luò) Deep Convolutional neural networks
深度遞歸神經(jīng)網(wǎng)絡(luò) Deep Recurrent neural networks
分層時(shí)間記憶 Hierarchical temporal memory
深度玻爾茲曼機(jī)（DBM） Deep Boltzmann Machine(DBM)
堆疊自動(dòng)編碼器 Stacked Boltzmann Machine
生成式對(duì)抗網(wǎng)絡(luò)（GANs） Generative adversarial networks(GANs)
遷移學(xué)習(xí) Transfer learning
傳遞式遷移學(xué)習(xí) Transitive Transfer Learning
其他
集成學(xué)習(xí)算法
Bootstrap aggregating (Bagging)
AdaBoost
梯度提升機(jī)（GBM） Gradient boosting machine(GBM)
梯度提升決策樹（GBRT） Gradient boosted decision tree(GBRT)
降維
主成分分析（PCA） Principal component analysis(PCA)
主成分回歸（PCR） Principal component regression(PCR)
因子分析 Factor analysis
深度學(xué)習(xí)
可用模型列表
卷積網(wǎng)絡(luò)（Convolutional Network）
循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）（Recurrent Neural Network (LSTM)）
受限玻爾茲曼機(jī)（Restricted Boltzmann Machine）
深度信念網(wǎng)絡(luò)（Deep Belief Network）
作為RBM堆疊的深度自編碼器（Deep Autoencoder as stack of RBMs）
去噪自編碼器（Denoising Autoencoder）
堆疊的去噪自編碼器（Stacked Denoising Autoencoder）
作為去噪自編碼器堆疊的深度自編碼器（Deep Autoencoder as stack of Denoising Autoencoders）
多層感知器（MultiLayer Perceptron）
Logistic 回歸
https://blog.csdn.net/sinat_35512245/article/details/78796328https://blog.csdn.net/v_JULY_v/article/details/78121924
語(yǔ)音識(shí)別
https://blog.csdn.net/shichaog/article/details/72528637
計(jì)算機(jī)視覺(jué)
嵌呕澄牵總結(jié)：在了解了人工智能及機(jī)器學(xué)習(xí)的相關(guān)細(xì)化技術(shù)手段，可以方便學(xué)習(xí)者制定自己的學(xué)習(xí)目標(biāo)初婆，有一個(gè)準(zhǔn)確的學(xué)習(xí)方向蓬坡，并且了解的現(xiàn)如今人工智能領(lǐng)域的發(fā)展?fàn)顩r。
