模糊逻辑与人工智能与机器学习与深度学习

Question

这四个学科之间有何不同？据我所知，他们从大量的输入数据中学习，并输出一个估计的输出。我的理解非常缺乏，因此我质疑这些。对我来说，人们给出的例子是毫无意义的，比如垃圾邮件、苹果橙猫狗识别、神经网络例子。

在一个更简单的例子中，是否有更好的表示这四个主题的代码来展示这个概念？我真的很感激。

链接到示例，您认为非常简单的代码是非常受欢迎的。我需要一些相关的东西-能够更好地获得代码编写的概念。

非常感谢！

Answer 1

模糊逻辑是多值逻辑的一种形式，其中变量的真值可以是0到1之间的任何实数。相比之下，在布尔逻辑中，变量的真值只能是整数值0或1。模糊逻辑被用来处理部分真的概念，其中真值可以是完全正确的和完全错误的。此外，当使用语言变量时，这些程度可以由特定的(成员)函数来管理。 AI研究领域将自己定义为对“智能代理”的研究:任何感知其环境并采取行动使其在某一目标上取得成功的机会最大化的设备。通俗地说，“人工智能”一词是在机器模仿人类与其他人的思维联系在一起的“认知”功能时使用的，例如“学习”和“解决问题”(称为机器学习)。

汤姆·米切尔的机器学习：

一个计算机程序据说可以从经验E中学习到某些类型的任务T和性能度量P，如果它在T任务中的性能(用P来衡量)随着经验E的提高而提高。

深度学习是基于深度神经网络的机器学习。

因此:人工智能是机器学习的一个超集。机器学习是深度学习的超集。人工智能包括模糊逻辑：

​

​

资源

• 模糊逻辑讲稿 (德语)
• 计算机友好型：模糊逻辑
• IEEE：模糊逻辑
• 汤姆·米切尔：机器学习
• Michael：深度学习