标签：语音识别 加速 空间 nbsp 自然语言处理 gis bsp 医疗 大量
1、关系
人工智能>机器学习>神经网络>深度学习
2、机器学习-两个过程
训练/学习过程：样本数据、学习器、模型参数
测试/预测过程：预测强、预测值
3、神经网络
机器学习模拟人脑神经元构成神经网络学习算法
数百亿的神经元，链接构成神经网络，受制于数据量和计算能力
得益于大数据、云计算的发展和普及
4、深度学习
极其复杂的模型、自动提取特征、海量/全样本、GPU加速
传统机器学习依赖数据特征工程、人工规则
5、人工智能应用领域
语音识别：Siri、小啦、小冰、智能音响........
图像识别：人脸识别、无人驾驶............
自然语言处理：机器翻译、信息检索...........
机器人：医疗、运输、客服.........
6、计算器获得人类意识
人工智能、机器学习、深度学习、神经网络依靠大数据和概率统计，避免飞鸟派悲剧，找到独特的人工智能发展道路
7、人工智能与大数据碰撞-1
Word2Vec
相邻位置关系相互影响
河流指标
地理特征的关联（POI、人口、土地利用、灯光圈、DEM）
地理空间的关联
影像分割
卷积神经网络进行建筑特区，自动提取特征及空间组合
8、大数据思维-》地理问题
机械思维-》大数据思维
机理模型-》概率模型
因果关系-》相关关系
9、机遇与挑战
海量数据 vs 大量标注数据的缺乏
端到端的学习系统 vs 黑箱算法，不明就里
空间大数据异构如何统一
10、下步计划
TensorFlow环境及入门
带有钻井和井场的遥感数据
训练模型并试验、评价模型
标签：语音识别 加速 空间 nbsp 自然语言处理 gis bsp 医疗 大量
原文地址：http://www.cnblogs.com/defineconst/p/7214788.html
