1. 基本目的
找到输入与输出之间的映射关系(函数)。
2. 分类
(待完善)
- Regression:回归
- Classification:分类
- Binary classification:二分类输出
- Multi-class Classification: 多分类输出
- Generation:生成
3. 训练方法
- 监督学习:使用Labeled Data训练,由Loss评价function好坏。
- 强化学习:AlphaGo自我学习。
- 非监督学习:使用无标注资料。
- Anomaly Detection:对异常数据的识别。
- Transfer learning:训练资料与测试资料不同时如何有较高的识别率。
- Meta Learning:学习如何学习的能力。
- Life-long Learning:不断学习新能力。
4. 前沿研究
-
Explainable AI:机器能否告知输出结果的原因。
-
Adversarial Attack:是否有某些只有机器能够识别的噪声,夹杂在数据中,人不会受到影响,但机器的输出会被明显干扰。
-
Network compression:网络压缩,在数据量巨大时如何压缩数据。