化学工程与过程技术杂志
开放获取

抽象的

人工智能和深度学习

瓦希德·礼萨·卡扎伊

机器人融入我们当今生活的演变正变得更加明智。人类具有与生俱来的感知和认知能力；而机器人可能有局限性，因为它们可能无法识别物体或存在。因此，我们需要建造具有足够智能的机器人，使其能够应对许多应用中的任务。另一方面，人工智能（AI）用于描述模仿人类思维“认知”功能的机器，例如“学习”。人工神经网络的灵感来自于人脑神经元的架构。更具体地说，深度学习是人工智能 (AI) 机器学习的一个子集，具有能够从数据中学习的网络。它是一种人工智能功能，可以模仿人脑处理数据和创建用于决策的模式的工作方式。近年来，深度学习可以说取得了巨大的成功。简而言之，深度学习使用许多非线性函数的组合来对输入特征和标签之间的复杂依赖关系进行建模。最近的进展极大地提高了人工智能（AI）在计算机视觉和自然语言处理任务中的性能；这些进步可以使配备人工智能（AI）的机器人在任务中表现更好。深度学习使用许多非线性函数的组合来对输入特征和标签之间的复杂依赖关系进行建模。最近的进展极大地提高了人工智能（AI）在计算机视觉和自然语言处理任务中的性能；这些进步可以使配备人工智能（AI）的机器人在任务中表现更好。深度学习使用许多非线性函数的组合来对输入特征和标签之间的复杂依赖关系进行建模。最近的进展极大地提高了人工智能（AI）在计算机视觉和自然语言处理任务中的性能；这些进步可以使配备人工智能（AI）的机器人在任务中表现更好。