分类目录归档：人工智能
AI（人工智能）知识体系包含多个重要方面：
定义
机器学习是多领域交叉学科，涉及概率论、统计学等多门学科，它研究计算机如何模拟人类学习行为，获取新知识和技能，优化自身性能。
类型
监督学习（Supervised Learning）
无监督学习（Unsupervised Learning）
神经网络剪枝是一种模型压缩技术，旨在通过移除网络中不重要的参数或结构来减少模型的大小和计算复杂度，同时尽量保持模型的性能。以下是关于神经网络剪枝的详细信息：
剪枝的基本原理是识别并移除神经网络中对模型性能贡献较小的权重或神经元。这样可以在不显著影响模型准确性的前提下，减少模型的存储需求和计算量，从而提高推理速度和降低能耗。
人工智能（Artificial Intelligence，简称AI）是当今最具革命性和变革性的技术之一，它涉及多个领域的交叉和融合。本篇文章围绕人工智能的100个关键概念展开，涵盖了基础理论、模型、算法、应用场景和技术细节。
机器学习是人工智能的核心分支，其目标是通过数据驱动的方法，使计算机能够自动改进性能。机器学习的核心概念包括： - 特征工程：通过技术手段提取能反映数据特性的信息。 - 标签：监督学习中用于指导模型训练的真实值。 - 训练集、测试集、验证集：分别用于模型训练、性能评估和超参数调整。 - 过拟合与欠拟合：过拟合指模型...
以下是一篇关于 AI 知识体系关键字的详细文章。# AI 知识体系关键 365 字深度解析：开启智能世界大门
以下是一份按照重要程度大致列出的AI知识体系中的365个关键字：
一、基础概念（1 - 100）
Gemini是谷歌推出的一款具有划时代意义的大语言模型，旨在为用户提供更加智能、高效的交互体验。它展现了卓越的多模态交互能力和出色的性能表现，能够处理文本、图像、音频等多种输入，为用户带来更加丰富的互动方式。以下是关于Gemini的详细介绍：
专家混合（Mixture of Experts，简称 MoE） 是一种在机器学习领域尤其是深度学习中较为常用的模型架构设计理念与技术。
例如，想象有一个识别不同动物图像的任务，有几个专家分别擅长识别猫、狗、鸟等。当一张猫的图片输入进来时，门控机制经过判断后，会更多地让擅长识别猫的那个专...
这张图片展示了机器学习（Machine Learning）的三个步骤： 1. Step 1: function with unknown（第一步：定义未知函数） - 这一步是机器学习的开始，通常涉及到确定一个需要通过数据来学习的未知函数。这个函数可能是一个预测模型，例如线性回归、逻辑回归等。 2. Step 2: define loss from training data（第二步：从训练数据中定义损失） - 在这一步，需要从训练数据中定义一个损失函数。损失函数用于衡量模型预测值与真实值之间的差异。常见的损失函数有均方误差（MSE）、交叉熵（Cross - Entropy）等...
Pre-trained text model即预训练文本模型，是一种在大规模文本数据上进行无监督学习得到的语言模型，以下是关于它的详细介绍：
文生视频（文字生成视频）是一种新兴的人工智能技术应用。
它主要依靠深度学习算法和大规模的数据集进行训练，让模型能够理解文字所表达的场景、动作、人物、情感等各类关键要素，然后依据这些理解去生成对应的视频内容。例如，输入一段描述“阳光明媚的海边，海浪轻轻拍打着沙滩，有几个人在悠闲地散步”，模型会尝试提取其中海边、海浪、沙滩、散步的人等元素，通过合成相应的图像画面，并按照合理顺序编排以及添加适当的动态效果，组合成一个视频呈现出来。