Baiduの人工知能の研究ノートL1コンセプト

1. 人工知能と機械学習、関係の深い学習：
   
   機械学習、特に教師付き学習では、を参照する複数の特定があります。機械学習はどのように新しい知識やスキル、継続的にパフォーマンスを向上させるために、既存の知識構造を再編成を取得するために人間の学習行動を達成するために、コンピュータシミュレーションに特化したりしています。
   機械学習のステップは、2つのステップ、トレーニング、および予測で実現することができます。誘導と控除の意味に似た2つのプロの用語。誘導は抽象的一般的なルールで、「トレーニング」を機械学習では、特定のケースからも事実です。サンプルの特定の数（既知のモデル入力及びモデル出力Y X）、入出力関係X Y（式はいくつかの種類の考えることができる）の学習から。これは、一般的なルールの結果の特定の例解釈に由来し、機械学習予測も同様です。
   新興X計算された出力の入力面に基づいて得られたYとXトレーニング関係Y. ほとんどの時間は、モデルの出力が計算され、モデルが有効であることを実際の場面で同じ出力、もし。
   Hがに関するパラメータであるモデルで仮定されています $\シータ$の関数と関数の入力X $H（\シータ、X）$を表します。目的最適化モデルを作ることです $H（\シータ、X）$出力と実際の値 $と$できるだけ一致しています。だから、パラメータを学習するプロセスは、（評価関数の減少、サンプルで知られています $H（\シータ、X）$と $と$習得パラメータまでのプロセスの違い） $\シータ$そのような評価関数の最小値という。このモデル予測値と評価関数とも呼ばれる損失関数（損失損失）の真の値との間のギャップを測定します。図の式に示すように、上記のプロセスのパラメータの最適化：