文章圖片
文章圖片
在這里 ， 我們通過以下方式區分人工智能 和機器學習 。人工智能 是展示人類智能特征的任務的超集 ， 而機器學習是 人工智能 的子集 ， 它訪問數據、分析趨勢并生成智能、可操作的見解 。機器學習方法令人興奮的是它們的通用性和平臺技術功能 。 過去 ， 當軟件需要執行特定功能時 ， 計算結果所需的每個步驟都需要明確且精確地編碼到程序中 。 機器學習方法消除了這一限制 ， 因為相同的算法和軟件代碼可以應用于各種建模應用程序 ， 包括大量的材料和端點 。 機器學習算法通過重復和示例以類似于人類學習的方式學習數據中的模式 。
然而 ， 機器學習方法比人類研究人員要快得多 ， 并且可以處理更高維度的數據 。 對不同類型的機器學習和神經網絡方法的全面描述超出了本概念報告的范圍 。 最近的評論為感興趣的讀者提供了這些信息 ， 例如 ， 這里只提供一個簡短的總結 。 傳統的 機器學習方法包括線性和非線性回歸、人工神經網絡、各種類型的決策樹、貝葉斯網絡、 支持和相關向量機 ，和遺傳算法 。
它們已被用于在文獻中生成大多數有用的納米材料生物學特性模型 ， 下面討論了其中的選定示例 。 這些方法已被廣泛使用并廣為人知 ， 因此在此不再贅述 。 為上面列出的每種 機器學習方法引用的上述最新評論和參考資料提供了對這些 機器學習方法的深入描述 。 幾乎所有已發表的將納米材料特性映射到生物端點的計算模型都使用了簡單的統計方法 ， 如回歸 ， 以及傳統的機器學習方法 ， 主要是具有簡單架構的神經網絡 。鑒于神經網絡在科學和技術領域的普遍認識不斷提高 ， 人工神經網絡在納米安全和藥物發現等其他領域的使用正在復興 。
深度學習方法由具有大量隱藏層和復雜架構的神經網絡組成 。他們通過識別圖像中的特征、語音識別和復雜決策的能力徹底改變了一些科學和技術領域 。 較新的深度學習方法相對于早期的“淺層”方法的一個重要優勢不是它們的能力 生成高級模型 ， 但它們能夠自動生成有用的描述符 ， 而無需專家對建模過程的輸入 。實際上 ， 通用逼近定理指出 ， 例如 ， 在給定相同訓練數據的情況下 ， 深層和淺層神經網絡都將生成質量相似的模型 ， 在一些已發表的研究中證明了這一點 。 三種最常用的深度學習算法是卷積神經網絡 、自動編碼器和生成對抗網絡 。
美國有線電視新聞網 是有監督的 機器學習方法 ， 在識別由空間相關性產生的圖像特征方面特別有用 。 這些人工神經網絡主要學習數據中的局部相關性 ， 并且模型對于小的翻譯是不變的 。級聯深度神經網絡由兩個網絡組成 ， 一個將每種材料映射到一種結果 ， 另一個將結果映射到一種或多種材料 。 這種架構也稱為自動編碼器 ， 也用于降低數據集的維數并根據訓練的 機器學習模型預測具有特定屬性的材料 。 這種逆映射問題也已由 GAN解決 。GAN 由生成試驗結構屬性模型的生成器和通過將試驗模型與現有未標記數據進行比較來評估試驗模型質量的鑒別器組成 。GAN 最初是作為一種無需專家科學家輸入即可設計結構的方法而開發的 。 另一種方法是主動學習 ， 它使用 機器學習來選擇最有效地實現目標的實驗 。 這種方法類似于定向進化 ， 其中候選結構在連續幾代中被選擇、修改和測試 。
相關經驗推薦
- 華為|真當我們不會還手？美國屢次為難華為，中方果斷實行反制裁手段
- iPhone|618大戰在即，今年手機該如何選？這幾個方面需要理性消費
- 顯卡|4299元到手12代酷睿輕薄本新品！無畏15 2022首批用戶評價如何？
- MySQL|2K價位最強性能真香機！新系列誕生不到1個月競速版就官宣了
- 無線耳機|真無線耳機如何選，運動的同時播放音樂，而不必擔心電線
- 里瑙多|平板市場百花齊放，國產平板如何突圍？OPPO Pad用三板斧征服用戶
- 主板|酷睿12代CPU如何配置主板？兼容并不代表最佳搭配，可別選擇錯了
- 酷睿處理器|四大品牌九款產品！如何嘗鮮Android13？在這幾款手機里選
- |618手機該如何去選 這三款看過來 款款都是高性能價格也到最低
- 微信|如何定義鼠標的舒服感？一直在用的鼠標你真的選對了嗎？