《Web安全之机器学习入门》一 1.1　人工智能、机器学习与深度学习

本节书摘来自华章出版社《Web安全之机器学习入门》一 书中的第1章，第1.1节，作者：刘焱，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1.1 人工智能、机器学习与深度学习

如今，人工智能、机器学习与深度学习几乎成了家喻户晓的名词，究竟这三者之间有什么联系和区别呢？
通常认为，机器学习是实现人工智能的主要方式，人类基于机器学习以及海量的数据，逐步实现人工智能，其中深度学习是机器学习的一个分支。如果用同心圆来表示三者的范围，那么人工智能是最外面的一个圆，深度学习是最里面的圆。人可以在1秒以内做出的判断，都可以用机器来实现，而且机器可以同时完成成百上千人1秒内可以做出的判断，这就是人工智能。

【深度学习】（一）机器学习基础（代码实现） AI人工智能包含的内容十分广泛，对于图像处理而言，机器学习、深度学习或者计算机视觉主要关注图像识别这部分内容，所以重点学习CNN卷积神经网络。今天先从上古时期的机器学习开始。
【深度学习】（一）机器学习基础 AI人工智能包含的内容十分广泛，对于图像处理而言，机器学习、深度学习或者计算机视觉主要关注图像识别这部分内容，所以重点学习CNN卷积神经网络。今天先从上古时期的机器学习开始。
一文尽览 | 轨迹预测二十年发展全面回顾！（基于物理/机器学习/深度学习/强化学习）（下） 为了在动态环境中安全驾驶，自动驾驶车辆应该能够预测附近交通参与者的未来状态，尤其是周围车辆，类似于人类驾驶员的预测驾驶能力。这就是为什么研究人员致力于轨迹预测领域并提出不同的方法。本文旨在对过去二十年中提出的自动驾驶轨迹预测方法进行全面和比较性的回顾！！！它从问题公式和算法分类开始。然后，详细介绍和分析了基于物理、经典机器学习、深度学习和强化学习的流行方法。最后，论文评估了每种方法的性能，并概述了潜在的研究方向。
一文尽览 | 轨迹预测二十年发展全面回顾！（基于物理/机器学习/深度学习/强化学习）（上） 为了在动态环境中安全驾驶，自动驾驶车辆应该能够预测附近交通参与者的未来状态，尤其是周围车辆，类似于人类驾驶员的预测驾驶能力。这就是为什么研究人员致力于轨迹预测领域并提出不同的方法。本文旨在对过去二十年中提出的自动驾驶轨迹预测方法进行全面和比较性的回顾！！！它从问题公式和算法分类开始。然后，详细介绍和分析了基于物理、经典机器学习、深度学习和强化学习的流行方法。最后，论文评估了每种方法的性能，并概述了潜在的研究方向。