和计算机能够以比人类更快的速度完成特定的问题解\r决或推理任务。但是,它不一定会包含有关所解决问题领域的任何现实世界知识。强AI的\r目标是将人工智能发展到可以视为真正的人类智能的程度。强AI是一种尚未以其真实形式\r存在的智能。\r短文2\r模式识别\r模式识别被定义为识别给定模式中的趋势(全局或局部)的过程。模式可以定义为遵循\r趋势并表现出某种规律性的任何事物。模式识别可以在物理上,数学上或通过使用算法来完\r成。当我们谈论机器学习中的模式识别时,它表示使用了强大的算法来识别给定数据中的规\r律。模式识别已广泛用于计算机视觉、语音识别、面部识别等新时代的技术领域。\r机器学习中模式识别算法有两种类型:\r1.监督算法\r监督方法中的模式识别称为分类。这些算法使用两阶段方法来识别模式。第一阶段是模\r型的开发/构建,第二阶段涉及对新的或看不见的对象的预测。下面列出了涉及此概念的关\r键功能。\r•将给定的数据分为两个集一一训练集和测试集\r•使用合适的机器学习算法训练模型,例如SVM(支持向量机),决策树,随机森林\r等。\r•在训练集上训练模型,在测试集上进行测试。\r•基于正确的预测评估模型的性能。\r2.无监督算法\r与监督模式算法使用训练和测试集相反,这些算法使用分组方式。他们观察数据中的模\r式,并根据其特征(例如维度)的相似性对其进行分组以进行预测。假设我们有一篮子各种\r水果,例如苹果、橙子、梨和樱桃。假设我们不知道水果的名称,我们将数据保留为未标记。\r现在,假设我们遇到一种情况,有人让我们来确定添加到购物篮中的一种新水果。在这种情\r况下,我们使用被称为聚类的概念。\r聚类组合或分组具有相同功能的项目。\r•以前的知识不能用来识别新项目。\r•他们使用机器学习算法,例如分层和k-mans聚类。\r•根据新对象的特征或属性,将其分配给一个组以进行预测。
全文预览
