人工知能の 3 つの基礎は、アルゴリズム、データ、計算能力です。アルゴリズムはその 1 つとして非常に重要です。では、人工知能にはどのようなアルゴリズムが関係しているのでしょうか?
モデルのトレーニング方法の違いに応じて、教師あり学習 (Supervised Learning)、教師なし学習 (Unsupervised Learning)、半教師あり学習 (半教師あり学習)と強化学習(強化学習)の 4 つの主要なカテゴリ。
一般的な教師あり学習アルゴリズムには、次のカテゴリが含まれます。 (推奨される学習: PHP ビデオ チュートリアル )
(1) 人工ニューラル ネットワーク(人工ニューラル ネットワーク) カテゴリ: バックプロパゲーション、ボルツマン マシン、畳み込みニューラル ネットワーク、ホップフィールド ネットワーク、多層パーセプトロン、放射基底関数ネットワーク (RBFN)、制限付きボルツマン マシン (制限付きボルツマン マシン)、リカレント ニューラル ネットワーク (RNN)、自己組織化マップ(SOM) 、スパイキング ニューラル ネットワークなど
(2) ベイシン: 単純ベイズ、ガウス単純ベイズ、多項単純ベイズ、平均依存性評価 (平均一依存推定器、AODE)
ベイジアン ビリーフ ネットワーク (BBN)、ベイジアン ネットワーク(BN)など
(3) デシジョン ツリー (Decision Tree) クラス: 分類回帰木 (CART)、Iterative Dichoomiser3 (反復二分法アルゴリズム 3、ID3)、C4.5 アルゴリズム (C4.5 アルゴリズム)、C5.0 アルゴリズム、カイ二乗自動インタラクション検出 (CHAID)、デシジョンスタンプ、ID3 アルゴリズム、ランダム フォレスト、SLIQ (Supervised Learning in Quest) など。
(4) 線形分類器クラス: フィッシャーの線形判別式
線形回帰、ロジスティック回帰、多項論理回帰 (多項ロジスティック回帰)、単純ベイズ分類器 (単純ベイズ分類器)、知覚 (知覚) 、サポートベクターマシン(サポートベクターマシン)など。
一般的な教師なし学習アルゴリズムには次のものがあります:
(1) 人工ニューラル ネットワーク (Artificial Neural Network): 敵対的生成ネットワーク (GAN)、フィードフォワード ニューラル ネットワーク (フィードフォワード ニューラル ネットワーク)、論理学習マシン (論理学習機械)、自己組織化マップ(自己組織化マップ)など
(2) アソシエーションルール学習カテゴリ:Aprioriアルゴリズム、Eclatアルゴリズム、FP-Growthアルゴリズムなど
(3) 階層的クラスタリング: 単一連鎖クラスタリング、概念クラスタリングなど。
(4) クラスター分析: BIRCH アルゴリズム、DBSCAN アルゴリズム、期待値最大化 (EM)、ファジー クラスタリング、K 平均法アルゴリズム、K 平均法クラスタリング クラス (K 平均法クラスタリング)、K メディアン クラスタリング、平均値シフトアルゴリズム(Mean-shift)、OPTICSアルゴリズムなど
(5) 異常検出 (Anomaly detect) カテゴリ: K 最近傍 (KNN) アルゴリズム、局所外れ値因子アルゴリズム (Local Outlier Factor、LOF) など。
一般的な半教師あり学習アルゴリズムには、次のものが含まれます:
生成モデル、低密度分離、およびグラフベースの手法 (ベースの手法)、共同トレーニング (共同トレーニング) )など。
一般的な強化学習アルゴリズムには次のものが含まれます:
Q 学習、状態-行動-報酬-状態-行動-報酬-状態-行動、SARSA)、DQN (ディープ) Q Network)、ポリシー勾配、モデルベースの RL、時間差分学習など
一般的な深層学習アルゴリズムには、次のものが含まれます:
Deep Belief Machines、Deep Convolutional Neural Networks、Deep Recurrent Neural Networks ネットワーク (ディープ再帰ニューラル ネットワーク)、階層的時間記憶 ( HTM)、ディープボルツマンマシン(DBM)、スタックドオートエンコーダー(スタックドオートエンコーダー)、敵対的生成ネットワーク)など。
PHP 関連の技術記事をさらに詳しく知りたい場合は、PHP グラフィック チュートリアル 列にアクセスして学習してください。
以上が人工知能アルゴリズムの概要の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。