• 首页
        • 更多产品

          客户为中心的产品管理工具

          专业的软件研发项目管理工具

          简单易用的团队知识库管理

          可量化的研发效能度量工具

          测试用例维护与计划执行

          以团队为中心的协作沟通

          研发工作流自动化工具

          账号认证与安全管理工具

          Why PingCode
          为什么选择 PingCode ?

          6000+企业信赖之选,为研发团队降本增效

  • Jira替代方案
目录

人工神经网络类型有哪些

AI 中一种常见的训练模型是人工神经网络,常见的人工神经网络类型包括:1、前馈神经网络 (FF);2、循环神经网络 (RNN);3、长/短期内存 (LSTM);4、卷积神经网络 (CNN);5、生成对抗网络 (GAN)。

一、常见的人工神经网络类型

AI 中一种常见的训练模型是人工神经网络(一种松散地基于人脑的模型)。

神经网络是人工神经元系统(有时称为感知机),该系统是用于对数据进行分类和分析的计算节点。数据被输入神经网络的第一层,每个感知机都会做出决定,然后将该信息传递到下一层的多个节点。超过三层的训练模型称为“深度神经网络”或“深度学习”。某些现代神经网络有数百或数千层。最终感知机的输出完成神经网络的任务集,例如对对象进行分类或在数据中查找模式。

您可能会遇到的一些最常见的人工神经网络类型包括:

1、前馈神经网络 (FF)

一种最早的神经网络形式,其中数据单向流过人工神经元层,直到获得输出。在现代,大多数前馈神经网络都被视为具有多个层(以及多个“隐藏”层)的“深度前馈神经网络”。前馈神经网络通常与称为“反向传播算法”的纠错算法配对使用。简单说来,该算法从神经网络的结果开始,然后一直反向工作到开始,发现错误以提高神经网络的准确率。许多简单但强大的神经网络都是深度前馈神经网络。

2、循环神经网络 (RNN)

一种与前馈神经网络不同的神经网络,它们通常使用时序数据或涉及序列的数据。与在网络的每个节点中使用权重的前馈神经网络不同,循环神经网络对前一层发生的事情具有“记忆”,这取决于当前层的输出。例如,执行自然语言处理时,RNN 可以“记住”一个句子中使用的其他字词。RNN 通常用于语音识别、翻译和图片说明。

3、长/短期内存 (LSTM)

一种高级形式的 RNN,它可以使用内存来“记住”先前的层中发生的事情。RNN 和 LSTM 之间的区别在于,LSTM 可以通过使用“内存单元”来记住几层之前发生的事情。【译注:原英文中的 LTSM 可能是 LSTM 的笔误】LSTM 常用于语音识别和预测。

4、卷积神经网络 (CNN)

一种神经网络,其中包含现代人工智能中一些最常见的神经网络。CNN 最常用于图像识别,它使用几个不同的层(一个卷积层,然后是一个 pooling 层),这些层在将图像重新组合在一起(在全连接层中)之前过滤图像的不同部分。较早的卷积层可能会寻找图像的简单特征,例如颜色和边缘,然后在附加层中寻找更复杂的特征。

5、生成对抗网络 (GAN)

一种网络,涉及两个在游戏中相互竞争的神经网络,该游戏最终会提高输出的准确率。一个网络(生成器)创建另一个网络(判别器)尝试证明真假的样本。GAN 用于制作逼真的图片,甚至用于制作艺术品。

二、人工智能的应用和使用场景

1、语音识别

自动将语音转换为文字。

2、图像识别

识别图片的各个方面并将其分类。

3、翻译

将书面或语音内容从一种语言翻译成另一种语言。

4、预测性建模

挖掘数据,以高粒度预测特定结果。

5、数据分析

针对商业智能寻找数据中的模式和关系。

6、网络安全

独立自主扫描网络以检测是否存在网络攻击和威胁。

以上就是关于常见的人工神经网络类型以及人工智能的应用和使用场景的全部内容了,希望对你有所帮助。

一站式研发项目管理平台 PingCode

一站式研发项目管理平台 PingCode

支持敏捷\瀑布、知识库、迭代计划&跟踪、需求、缺陷、测试管理,同时满足非研发团队的流程规划、项目管理和在线办公需要。

相关文章

什么是自然语言处理

百科

人工智能(AI)是什么

百科

什么是 PaaS

百科

大数据分析有哪些优势和挑战

百科

大数据分析技术有哪些

百科

什么是大数据分析

百科

机器学习提升方法有哪些好处

百科

机器学习提升方法有哪些类型

百科

什么是机器学习中的提升方法

百科

OCR 技术有哪些优势

百科