AI模型清单PPT
机器学习模型1.1 监督学习线性回归(Linear Regression)用于预测数值型数据逻辑回归(Logistic Regression)用于二分类...
机器学习模型1.1 监督学习线性回归(Linear Regression)用于预测数值型数据逻辑回归(Logistic Regression)用于二分类问题支持向量机(Support Vector MachinesSVM):分类、回归和异常检测决策树(Decision Trees)分类和回归随机森林(Random Forests)集成学习,用于分类和回归梯度提升树(Gradient Boosting Trees)如XGBoost和LightGBM1.2 无监督学习K-均值聚类(K-Means Clustering)将数据分为K个簇层次聚类(Hierarchical Clustering)形成树状结构的聚类主成分分析(Principal Component AnalysisPCA):降维技术自编码器(Autoencoders)用于特征学习和降噪1.3 强化学习Q-学习(Q-Learning)值迭代方法策略梯度(Policy Gradients)直接优化策略深度确定性策略梯度(Deep Deterministic Policy GradientDDPG):用于连续动作空间 深度学习模型2.1 卷积神经网络(Convolutional Neural Networks, CNN)LeNet早期用于手写数字识别的CNNAlexNet深度CNN,赢得了2012年ImageNet冠军VGGNet探索了卷积层与其性能之间的关系ResNet(残差网络)解决深度网络训练问题DenseNet具有密集连接的CNN2.2 循环神经网络(Recurrent Neural Networks, RNN)简单RNN处理序列数据长短期记忆(Long Short-Term MemoryLSTM):解决RNN的长期依赖问题门控循环单元(Gated Recurrent UnitGRU):LSTM的简化版2.3 变压器模型(Transformer)Transformer用于自然语言处理,如机器翻译BERT(Bidirectional Encoder Representations from Transformers)预训练语言模型GPT(Generative Pre-trained Transformer)生成式预训练语言模型这只是一个简短的清单,实际上AI模型的种类和变种非常多。随着研究的深入和技术的发展,新的模型不断涌现。