人工智能领域

人工智能的研究领域也在不断扩大，图二展示了人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。

image

人工智能的分类方法从产品上分为三种，第一类是解决识别的问题，比如说语音识别、图像识别；第二类是解决生成的问题，比如有的人工智能可以用来作画、用来写诗。第三类是用来做决策，也是三大领域中最重要、最能够创造财富的场景。

应用领域：

个人助理（智能手机上的语音助理、语音输入、家庭管家和陪护机器人） 产品举例：微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

安防（智能监控、安保机器人） 产品举例：商汤科技、格灵深瞳、神州云海

自驾领域（智能汽车、公共交通、快递用车、工业应用） 产品举例：Google、Uber、特斯拉、亚马逊、奔驰、京东等

医疗健康（医疗健康的监测诊断、智能医疗设备） 产品举例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

电商零售（仓储物流、智能导购和客服） 产品举例：阿里、京东、亚马逊

金融（智能投顾、智能客服、安防监控、金融监管） 产品举例：蚂蚁金服、交通银行、大华股份、kensho

教育（智能评测、个性化辅导、儿童陪伴） 产品举例：学吧课堂、科大讯飞、云知声

机器学习算法

• 监督学习 Supervised learning

  • 人工神经网络 Artificial neural network

    • 自动编码器 Autoencoder

    • 反向传播 Backpropagation

    • 玻尔兹曼机 Boltzmann machine

    • 卷积神经网络 Convolutional neural network

    • Hopfield网络 Hopfield network

    • 多层感知器 Multilayer perceptron

    • 径向基函数网络（RBFN） Radial basis function network(RBFN)

    • 受限玻尔兹曼机 Restricted Boltzmann machine

    • 回归神经网络（RNN） Recurrent neural network(RNN)

    • 自组织映射（SOM） Self-organizing map(SOM)

    • 尖峰神经网络 Spiking neural network

  • 贝叶斯 Bayesian

    • 朴素贝叶斯 Naive Bayes

    • 高斯贝叶斯 Gaussian Naive Bayes

    • 多项朴素贝叶斯 Multinomial Naive Bayes

    • 平均一依赖性评估（AODE） Averaged One-Dependence Estimators(AODE)

    • 贝叶斯信念网络（BNN） Bayesian Belief Network(BBN)

    • 贝叶斯网络（BN） Bayesian Network(BN)

  • 决策树 Decision Tree

    • 分类和回归树（CART） Classification and regression tree (CART)

    • 迭代Dichotomiser 3（ID3） Iterative Dichotomiser 3(ID3)

    • C4.5算法 C4.5 algorithm

    • C5.0算法 C5.0 algorithm

    • 卡方自动交互检测（CHAID） Chi-squared Automatic Interaction Detection(CHAID)

    • 决策残端 Decision stump

    • ID3算法 ID3 algorithm

    • 随机森林 Random forest

    • SLIQ

  • 线性分类 Linear classifier

    • Fisher的线性判别 Fisher's linear discriminant

    • 线性回归 Linear regression

    • Logistic回归 Logistic regression

    • 多项Logistic回归 Multinomial logistic regression

    • 朴素贝叶斯分类器 Naive Bayes classifier

    • 感知 Perceptron

    • 支持向量机 Support vector machine

• 无监督学习 Unsupervised learning

  • 人工神经网络 Artificial neural network

    • 对抗生成网络

    • 前馈神经网络 Feedforward neurral network

      • 极端学习机 Extreme learning machine

    • 逻辑学习机 Logic learning machine

    • 自组织映射 Self-organizing map

  • 关联规则学习 Association rule learning

    • 先验算法 Apriori algorithm

    • Eclat算法 Eclat algorithm

    • FP-growth算法 FP-growth algorithm

  • 分层聚类 Hierarchical clustering

    • 单连锁聚类 Single-linkage clustering

    • 概念聚类 Conceptual clustering

  • 聚类分析 Cluster analysis

    • BIRCH

    • DBSCAN

    • 期望最大化（EM） Expectation-maximization(EM)

    • 模糊聚类 Fuzzy clustering

    • K-means算法 K-means algorithm

    • k-均值聚类 K-means clustering

    • k-位数 K-medians

    • 平均移 Mean-shift

    • OPTICS算法 OPTICS algorithm

  • 异常检测 Anomaly detection

    • k-最近邻算法（K-NN） k-nearest neighbors classification(K-NN)

    • 局部异常因子 Local outlier factor

• 半监督学习 Semi-supervised learning

  • 生成模型 Generative models

  • 低密度分离 Low-density separation

  • 基于图形的方法 Graph-based methods

  • 联合训练 Co-training

• 强化学习 Reinforcement learning

  • 时间差分学习 Temporal difference learning

  • Q学习 Q-learning

  • 学习自动 Learning Automata

  • 状态-行动-回馈-状态-行动（SARSA） State-Action-Reward-State-Action(SARSA)

• 深度学习 Deep learning

  • 深度信念网络 Deep belief machines

  • 深度卷积神经网络 Deep Convolutional neural networks

  • 深度递归神经网络 Deep Recurrent neural networks

  • 分层时间记忆 Hierarchical temporal memory

  • 深度玻尔兹曼机（DBM） Deep Boltzmann Machine(DBM)

  • 堆叠自动编码器 Stacked Boltzmann Machine

  • 生成式对抗网络（GANs） Generative adversarial networks(GANs)

• 迁移学习 Transfer learning

  • 传递式迁移学习 Transitive Transfer Learning

• 其他

  • 集成学习算法

    • Bootstrap aggregating (Bagging)

    • AdaBoost

    • 梯度提升机（GBM） Gradient boosting machine(GBM)

    • 梯度提升决策树（GBRT） Gradient boosted decision tree(GBRT)

  • 降维

    • 主成分分析（PCA） Principal component analysis(PCA)

    • 主成分回归（PCR） Principal component regression(PCR)

    • 因子分析 Factor analysis

深度学习

可用模型列表

• 卷积网络（Convolutional Network）

• 循环神经网络（LSTM）（Recurrent Neural Network (LSTM)）

• 受限玻尔兹曼机（Restricted Boltzmann Machine）

• 深度信念网络（Deep Belief Network）

• 作为RBM堆叠的深度自编码器（Deep Autoencoder as stack of RBMs）

• 去噪自编码器（Denoising Autoencoder）

• 堆叠的去噪自编码器（Stacked Denoising Autoencoder）

• 作为去噪自编码器堆叠的深度自编码器（Deep Autoencoder as stack of Denoising Autoencoders）

• 多层感知器（MultiLayer Perceptron）

• Logistic 回归

https://blog.csdn.net/sinat_35512245/article/details/78796328 https://blog.csdn.net/v_JULY_v/article/details/78121924

语音识别

https://blog.csdn.net/shichaog/article/details/72528637

计算机视觉