Page 50 - 高中生活AI大智慧-電子書_Neat
P. 50

半監督式學習(Semi-supervised learning)

                  想像一個孩子出生到長大的過程,大人僅在剛開始時告訴他怎麼

             做,大部份由他自己去 Trial and Error。

                  半監督式學習提供機器少部份有標註特徵及模型的資料,讓電腦
             演算法在剩下大部份沒有標註的資料中尋找答案,即結合監督式與非
             監督式學習的應用。任意選出 1000 張貓與狗照片,其中 100 張標註

             哪些是貓,哪些是狗,輸入電腦後,讓電腦學習辯識貓與狗的外表,
             電腦演算法把照片內的特徵進行分類,再把另外 900 張照片內的特徵
             取出來進行分類,達成辨識貓狗的結果。只需要少量的人工分類,就
             可以提升預測精準程度,是目前最常使用的一種方式。


                  電腦斷層掃瞄(Computed Tomography, CT)、磁力共振成像
             (Magnetic Resonance Imaging, MRI)等醫學影像,放射科醫師只要
             標註少部份腫瘤、疾病的掃瞄資料,再使用生成對抗網路(Generative
             Adversarial Network, GAN)讓兩個深度學習網路相互對抗,其一

             擔任生成器的神經網路模仿訓練資料建立新的資料,另一擔任鑑別器
             的神經網路評估此新的建立資料是否為仿冒貨,達成提升深度學習網
             路預測精準程度的目的。





             強化式學習(Reinforcement learning)

                  想像一個孩子出生到長大的過程,每進行一步就檢查是距離










     48
   45   46   47   48   49   50   51   52   53   54   55