标签：人工智能

第93页

Python语音识别

在本章中，我们将学习使用AI和Python进行语音识别。言语是成人人际交往的最基本手段。语音处理的基本目标是提供人与机器之间的交互。语音处理系统主要有三个任务 – 首先，语音识别允许机器捕捉我们说的单词，短语和句子第二 ...

预测给定输入序列中的下一个是机器学习中的另一个重要概念。本章为您提供有关分析时间序列数据的详细说明。介绍时间序列数据表示一系列特定时间间隔内的数据。如果我们想在机器学习中构建序列预测，那么我们必须处理顺序数据和时间。系列数据是顺序数据的...

在本章中，我们将学习如何开始使用Natural Language Toolkit Package。条件如果我们想用自然语言处理来构建应用程序，那么上下文的变化使得它变得非常困难。上下文因素影响机器如何理解特定句子。因此，我们需要使用机器...

自然语言处理（NLP）是指使用诸如英语之类的自然语言与智能系统通信的AI方法。当您希望像机器人这样的智能系统按照您的指示执行，当您想要听取基于对话的临床专家系统的决定等时，需要处理自然语言。 NLP领域涉及使计算机使用人类使用的自然语言来...

无监督机器学习算法没有任何主管提供任何形式的指导。这就是为什么它们与某些人称之为真正的人工智能紧密结合的原因。在无人监督的学习中，没有正确的答案，也没有教师的指导。算法需要在数据中发现有趣的模式以供学习。什么是聚类？基本上，它是一种无...

在本章中，我们将重点介绍逻辑编程及其在人工智能中的作用。我们已经知道逻辑是对正确推理原则的研究，或者用简单的话来说就是对什么之后的研究。例如，如果两个语句都为真，那么我们可以从中推断出任何第三个语句。概念逻辑编程是两个词，逻辑和编程的...

回归是最重要的统计和机器学习工具之一。我们说机器学习之旅从回归开始就没有错。它可以被定义为允许我们基于数据做出决策的参数技术，或者换句话说，允许我们通过学习输入和输出变量之间的关系来基于数据进行预测。这里，依赖于输入变量的输出变量是连续值实...

在本章中，我们将重点关注实施有监督的学习 – 分类。分类技术或模型试图从观察值中得出一些结论。在分类问题中，我们有分类输出，如“黑色”或“白色”或“教学”和“非教学”。在构建分类模型时，我们需要具有包含数据点和相应标签的训练数...

我们已经研究了有监督的以及无监督的机器学习算法。这些算法需要格式化数据才能启动训练过程。我们必须以某种方式准备或格式化数据，以便它可以作为ML算法的输入提供。本章重点介绍机器学习算法的数据准备。预处理数据在我们的日常生活中，我们处理大...

人工神经网络（ANN）是一种高效的计算系统，其中心主题借鉴了生物神经网络的类比。神经网络是机器学习的一种模型。在20世纪80年代中期和90年代初期，在神经网络中进行了许多重要的建筑改进。在本章中，您将了解有关深度学习的更多信息，这是一种人工...