深度學(xué)習(xí)和機器學(xué)習(xí)及模式識別的研究

魏丹晨 柳登豐 榮光普

摘 要 科學(xué)技術(shù)的不斷進(jìn)步，帶來計算機技術(shù)的飛速發(fā)展，使得利用計算機實現(xiàn)人工智能成為可能，就是通過計算機去完成過去只有人才能做的智能工作。機器學(xué)習(xí)是計算機實現(xiàn)智能的重要方式，人工智能的發(fā)展離不開機器學(xué)習(xí)的支撐。

關(guān)鍵詞 計算機技術(shù);深度學(xué)習(xí);機器學(xué)習(xí);模式識別

深度學(xué)習(xí)，機器學(xué)習(xí)，模式識別是不同的思想領(lǐng)域。是三個比較相近的概念，但所屬的發(fā)展階段不同，模式識別是比較傳統(tǒng)的一種，機器學(xué)習(xí)奮發(fā)向上，深度學(xué)習(xí)則是更為先進(jìn)的一種思想領(lǐng)域，模式識別也曾被理解為機器學(xué)習(xí)，在現(xiàn)在這個進(jìn)步飛快的社會，模式識別顯然需要逐漸退出，取而代之的是更具深度與效率的深度學(xué)習(xí)。

1模式識別：智能程序的誕生

（1）概念。模式識別是人工智能的一個較為重要的應(yīng)用領(lǐng)域，也得到過不錯的發(fā)展，模式識別一般是用機算機，用計算的方式算出樣本的特征然后根據(jù)樣本的不同進(jìn)行不同的分類。模式識別方法主要是通過對一些結(jié)構(gòu)，統(tǒng)計數(shù)字進(jìn)行識別，然后通過現(xiàn)在發(fā)達(dá)技術(shù)的網(wǎng)絡(luò)系統(tǒng)進(jìn)行圖像，語音以及其他類似人腦的方面進(jìn)行處理，從而得到智能程序。

（2）發(fā)展歷程。模式識別是最早出現(xiàn)在人類生活中的智能，是后來智能發(fā)展的基礎(chǔ)與借鑒。在20世紀(jì)40年代時，我國研發(fā)出的計算機也得到了普遍運用，在此基礎(chǔ)之下，模式識別在20世紀(jì)60年代初得到較快的發(fā)展，并且成為一門新的學(xué)科。

（3）研究方向。現(xiàn)在的智能識別較之前發(fā)展迅速，廣泛運用在了人工智能領(lǐng)域。人們更多地采用人工智能幫助自己完成一些自己難以完成的任務(wù)。比如，在醫(yī)學(xué)領(lǐng)域醫(yī)生可以利用人工智能清楚觀察病患體內(nèi)的病變，不再望聞問切。在工業(yè)方面機器的使用也減少了勞動力，

2機器學(xué)習(xí)：人工智能的核心

（1）概念。機器學(xué)習(xí)作為一項重要的核心，所涉及的學(xué)科較為廣泛，統(tǒng)計學(xué)、分析學(xué)、概率學(xué)都有所涉獵。它是用來專門研究計算機如何獲取比較新的知識和能力，來模擬人的行為，它是人工智能發(fā)展的核心，是使計算機智能化的最根本的方法。

（2）發(fā)展歷程。早在機器學(xué)習(xí)成為計算機科學(xué)領(lǐng)域的一個重要的研究課題，計算機科學(xué)家們便開始將大膽地將這些想法應(yīng)用到更大的領(lǐng)域中去，不再只局限于識別一些簡單的圖像[1]。在技術(shù)逐漸成熟之時，科學(xué)家開始逐漸將機器學(xué)習(xí)運用到與人類更加貼近的機器人身上，賦予機器人大數(shù)據(jù)，已經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，使其成為“全能人”，阿爾法打敗圍棋冠軍正提現(xiàn)了機器學(xué)習(xí)在機器人身上的成熟技術(shù)。這項技術(shù)的實現(xiàn)也推動了機器學(xué)習(xí)更近一步。

（3）研究現(xiàn)狀。機器學(xué)習(xí)從根本意義上來說，是使用大數(shù)據(jù)來模擬人類活動，人工智能便是機器學(xué)習(xí)的明顯特征。機器學(xué)習(xí)為人類的進(jìn)步做出了巨大貢獻(xiàn)，在近三十年來，在各方的支持下迅速崛起，得到了廣泛發(fā)展，使更多的人接觸以及使用機器學(xué)習(xí)方面的機器。并且，現(xiàn)在的機器學(xué)習(xí)不只是一個人工智能，機器學(xué)習(xí)現(xiàn)在涉及數(shù)據(jù)處理，信息監(jiān)控，以及深度學(xué)習(xí)等。因此，機器學(xué)習(xí)與各行各業(yè)的結(jié)合，必將引起一番改革大浪潮。自 20世紀(jì)80年代以來，機器學(xué)習(xí)已經(jīng)充分體現(xiàn)在各方各面，不再只是一項研究。尤其在近十幾年來，機器學(xué)習(xí)更是得到了快速發(fā)展，已經(jīng)成為科學(xué)家們重點關(guān)注的問題。機器學(xué)習(xí)不僅在致力于基礎(chǔ)知識的學(xué)習(xí)，更多的是向語言功能，思維發(fā)展，機器視覺等方面得到深度發(fā)展。機器學(xué)習(xí)的研究分為兩個主要的研究方向：第一類是傳統(tǒng)機器學(xué)習(xí)的研究，該類研究主要是研究學(xué)習(xí)機制，注重探索模擬人的學(xué)習(xí)機制;第二類是如何使用大數(shù)據(jù)使人工機器學(xué)習(xí)變得更加完善與成熟。

3深度學(xué)習(xí)：一統(tǒng)江湖的架構(gòu)

（1）釋義。深度學(xué)習(xí)是實現(xiàn)人工智能的必經(jīng)路徑。研究深度學(xué)習(xí)主要目標(biāo)就是研究人的大腦系統(tǒng)，使人工智能可以更加貼近人類的大腦，進(jìn)而模仿人類。比如，聲音，圖文，圖像等。深度學(xué)習(xí)也是機器學(xué)習(xí)的一部分，通過研究人的神經(jīng)系統(tǒng)，發(fā)現(xiàn)數(shù)據(jù)的特征表示，屬于一種深度學(xué)習(xí)結(jié)構(gòu)。

（2）發(fā)展方向。深度學(xué)習(xí)使機器學(xué)習(xí)具有了一個新的研究方向，通過深度學(xué)習(xí)使機器學(xué)習(xí)下的人工智能技術(shù)更加成熟，更能體現(xiàn)機器學(xué)習(xí)的特點。深度學(xué)習(xí)主要是通過大數(shù)據(jù)分析，從而得出規(guī)律與結(jié)論，使機器學(xué)習(xí)下的圖像以及文字處理具有一定的價值[2]。當(dāng)然，深度學(xué)習(xí)更多的也是為了能讓機器可以具有人類般的能力，可以對數(shù)據(jù)進(jìn)行分析，對圖像進(jìn)行識別，對聲音進(jìn)行轉(zhuǎn)化。這是較深層次的學(xué)習(xí)，這種深度學(xué)習(xí)遠(yuǎn)比之前的學(xué)習(xí)更具難度，但同時也比之前取得的成果要顯著，在這種學(xué)習(xí)模式下，人工智能得到了更好的發(fā)展，對大數(shù)據(jù)的分析，語音識別，圖像分析功能都得到了明顯提升。深度學(xué)習(xí)使得人工智能在模仿人類方面取得了進(jìn)步，可以模仿視聽，甚至思考，也可以通過分析人類活動模仿人類，使得人工智能更加貼近與人類。

（3）特點。①大致可以看出，在中國深度學(xué)習(xí)剛剛得到了發(fā)展，還未完全深入。②明確了特征學(xué)習(xí)的重要性。③聯(lián)想與結(jié)構(gòu)，經(jīng)驗與知識的相互轉(zhuǎn)化通過設(shè)計建立適量的神經(jīng)元計算節(jié)點和多層運算層次結(jié)構(gòu)，選擇合適的輸入層和輸出層，通過網(wǎng)絡(luò)的學(xué)習(xí)和調(diào)優(yōu)，建立起從輸入到輸出的函數(shù)關(guān)系，雖然不能100%找到輸入與輸出的函數(shù)關(guān)系，但是可以盡可能的逼近現(xiàn)實的關(guān)聯(lián)關(guān)系。在訓(xùn)練模型的使用下，我們可以更簡單的實現(xiàn)對復(fù)雜事物的自動化處理。

4結(jié)束語

深度學(xué)習(xí)、機器學(xué)習(xí)和模式識別三個非常接近的概念，與當(dāng)下最熱門的科技主題-機器人與人工智能聯(lián)系緊密，相互所屬，該文分析了深度學(xué)習(xí)、機器學(xué)習(xí)和模式識別的相關(guān)概念和聯(lián)系，研究了機器學(xué)習(xí)的發(fā)展歷程

參考文獻(xiàn)

[1] 濮石.基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用分析[J].信息與電腦，2018（17）：37，40.

[2] 李昊朋.基于機器學(xué)習(xí)方法的智能機器人探究[J].2019，26（4）： 241-242.