文章图片
文章图片
在这里 ， 我们通过以下方式区分人工智能 和机器学习 。人工智能 是展示人类智能特征的任务的超集 ， 而机器学习是 人工智能 的子集 ， 它访问数据、分析趋势并生成智能、可操作的见解 。机器学习方法令人兴奋的是它们的通用性和平台技术功能 。 过去 ， 当软件需要执行特定功能时 ， 计算结果所需的每个步骤都需要明确且精确地编码到程序中 。 机器学习方法消除了这一限制 ， 因为相同的算法和软件代码可以应用于各种建模应用程序 ， 包括大量的材料和端点 。 机器学习算法通过重复和示例以类似于人类学习的方式学习数据中的模式 。
然而 ， 机器学习方法比人类研究人员要快得多 ， 并且可以处理更高维度的数据 。 对不同类型的机器学习和神经网络方法的全面描述超出了本概念报告的范围 。 最近的评论为感兴趣的读者提供了这些信息 ， 例如 ， 这里只提供一个简短的总结 。 传统的 机器学习方法包括线性和非线性回归、人工神经网络、各种类型的决策树、贝叶斯网络、 支持和相关向量机 ，和遗传算法 。
它们已被用于在文献中生成大多数有用的纳米材料生物学特性模型 ， 下面讨论了其中的选定示例 。 这些方法已被广泛使用并广为人知 ， 因此在此不再赘述 。 为上面列出的每种 机器学习方法引用的上述最新评论和参考资料提供了对这些 机器学习方法的深入描述 。 几乎所有已发表的将纳米材料特性映射到生物端点的计算模型都使用了简单的统计方法 ， 如回归 ， 以及传统的机器学习方法 ， 主要是具有简单架构的神经网络 。鉴于神经网络在科学和技术领域的普遍认识不断提高 ， 人工神经网络在纳米安全和药物发现等其他领域的使用正在复兴 。
深度学习方法由具有大量隐藏层和复杂架构的神经网络组成 。他们通过识别图像中的特征、语音识别和复杂决策的能力彻底改变了一些科学和技术领域 。 较新的深度学习方法相对于早期的“浅层”方法的一个重要优势不是它们的能力 生成高级模型 ， 但它们能够自动生成有用的描述符 ， 而无需专家对建模过程的输入 。实际上 ， 通用逼近定理指出 ， 例如 ， 在给定相同训练数据的情况下 ， 深层和浅层神经网络都将生成质量相似的模型 ， 在一些已发表的研究中证明了这一点 。 三种最常用的深度学习算法是卷积神经网络 、自动编码器和生成对抗网络 。
美国有线电视新闻网 是有监督的 机器学习方法 ， 在识别由空间相关性产生的图像特征方面特别有用 。 这些人工神经网络主要学习数据中的局部相关性 ， 并且模型对于小的翻译是不变的 。级联深度神经网络由两个网络组成 ， 一个将每种材料映射到一种结果 ， 另一个将结果映射到一种或多种材料 。 这种架构也称为自动编码器 ， 也用于降低数据集的维数并根据训练的 机器学习模型预测具有特定属性的材料 。 这种逆映射问题也已由 GAN解决 。GAN 由生成试验结构属性模型的生成器和通过将试验模型与现有未标记数据进行比较来评估试验模型质量的鉴别器组成 。GAN 最初是作为一种无需专家科学家输入即可设计结构的方法而开发的 。 另一种方法是主动学习 ， 它使用 机器学习来选择最有效地实现目标的实验 。 这种方法类似于定向进化 ， 其中候选结构在连续几代中被选择、修改和测试 。
相关经验推荐
- 华为|真当我们不会还手？美国屡次为难华为，中方果断实行反制裁手段
- iPhone|618大战在即，今年手机该如何选？这几个方面需要理性消费
- 显卡|4299元到手12代酷睿轻薄本新品！无畏15 2022首批用户评价如何？
- MySQL|2K价位最强性能真香机！新系列诞生不到1个月竞速版就官宣了
- 无线耳机|真无线耳机如何选，运动的同时播放音乐，而不必担心电线
- 里瑙多|平板市场百花齐放，国产平板如何突围？OPPO Pad用三板斧征服用户
- 主板|酷睿12代CPU如何配置主板？兼容并不代表最佳搭配，可别选择错了
- 酷睿处理器|四大品牌九款产品！如何尝鲜Android13？在这几款手机里选
- |618手机该如何去选 这三款看过来 款款都是高性能价格也到最低
- 微信|如何定义鼠标的舒服感？一直在用的鼠标你真的选对了吗？