深度學習

什麼是人工智慧、機器學習、深度學習？(一)
x

https://www.cool3c.com/article/133363

深度學習
應用: 影像辨識、語音辨識、自然語言處理
隱藏層Hidden Layers的數量: 也不是越多層越好，可能最後結果會模糊了
神經元
最重要是調整(權重w)
(輸出z)
(偏差值b)

[梯度下降法]: 最終目的就是透過梯度下降法找到最佳函樹(最小值)   目前當下最好
薛丁格的貓

神經網路

1.CNN: 卷積神經網路 影像辨識
(1)卷積層: 提取特徵-透過滑動視窗做過濾=>找到特徵值
(2)池化層: 投票 每個區域選出最大or最小值
(3)全連接層:

2.RNN: 遞歸神經網路
有記憶功能的神經網路
以CNN為base，有記憶功能
LSTM長短期記憶-擁有記憶與遺忘(保護)機制的功能

3.GAN: 生成對抗網路
由任兩個神經網路組成，
其中一個網路負責生成內容
    另一個網路負責判斷內容(判別網路)
生成網路要僅可能欺騙判別網路


1. 人工智慧(AI)
2. 機器學習(ML)
可以先分兩種"監督式"和"非監督式"

非監督式學習是一種機器學習的方式，並不需要人力來輸入標籤。它是監督式學習和強化學習等策略之外的一種選擇。在監督式學習中，典型的任務是分類和迴歸分析，且需要使用到人工預先準備好的範例(examples)。

一個常見的非監督式學習是數據聚類。在人工神經網路中，生成對抗網絡（GAN）、自組織映射（SOM）和適應性共振理論（ART）則是最常用的非監督式學習。

ART模型允許叢集的個數可隨著問題的大小而變動，並讓使用者控制成員和同一個叢集之間的相似度分數，其方式為透過一個由使用者自定而被稱為警覺參數的常數。ART也用於模式識別，如自動目標辨識和數位信號處理。第一個版本為"ART1"，是由卡本特和葛羅斯柏格所發展的。

#k-mean
他可以將資料分類
https://dotblogs.com.tw/dragon229/2013/02/04/89919

#機器學習-支撐向量機(support vector machine, SVM)
https://medium.com/@chih.sheng.huang821/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-%E6%94%AF%E6%92%90%E5%90%91%E9%87%8F%E6%A9%9F-support-vector-machine-svm-%E8%A9%B3%E7%B4%B0%E6%8E%A8%E5%B0%8E-c320098a3d2e


3. 深度學習(DL): 神經元
深度學習(DL)可以這樣被定義：「一種實現機器學習的技術。」

這樣的DL技術被稱為深度神經網絡（deep neural networks – DNNs）
x

(1)CNN: 影像辨識
(2)RNN:
(3)GAN:
(4)貝式分類: 垃圾郵件

Splunk

工具:
Anaconda
Google Tensorflow: 封包鑑識
Google Keras:

https://blog.gtwang.org/programming/tensorboard-tensorflow-visualization-tutorial/

CNTK


案例:

Day 02：撰寫第一支 Neural Network 程式 -- 阿拉伯數字辨識
x

https://ithelp.ithome.com.tw/articles/10191404
圖. 阿拉伯數字(0~9)辨識的流程
先關心在 input and output
我要辨識數字
0-9
輸入是一張圖 都是 pixel
透過中間的隱藏層
不一定只有一層喔
慢慢調整 隱藏層 最後可以訓練出來模型

yolo
http://mropengate.blogspot.com/2018/06/yolo-yolov3.html

推薦:
Jupyter notebook


有空可以看一下
https://kknews.cc/zh-tw/tech/ovo8zom.html
https://www.youtube.com/playlist?list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi

BDOS 模糊理論+向量學習

Q: 深度學習可能拿到分析股票市場嗎?