SVM（支持向量機）屬于神經(jīng)網(wǎng)絡(luò)范疇嗎？不屬于，神經(jīng)網(wǎng)絡(luò)屬于機器學(xué)習(xí)中的兩種不同算法。支持向量機的核心是構(gòu)造一個核函數(shù)，將數(shù)據(jù)從低維轉(zhuǎn)化為高維，使其不能低維分解為高維。神經(jīng)網(wǎng)絡(luò)現(xiàn)在一般是指卷積神經(jīng)網(wǎng)絡(luò)

SVM（支持向量機）屬于神經(jīng)網(wǎng)絡(luò)范疇嗎？

不屬于，神經(jīng)網(wǎng)絡(luò)屬于機器學(xué)習(xí)中的兩種不同算法。支持向量機的核心是構(gòu)造一個核函數(shù)，將數(shù)據(jù)從低維轉(zhuǎn)化為高維，使其不能低維分解為高維。神經(jīng)網(wǎng)絡(luò)現(xiàn)在一般是指卷積神經(jīng)網(wǎng)絡(luò)，是一種卷積濾波提取圖像、語音等特征的算法。卷積神經(jīng)網(wǎng)絡(luò)的最終分類函數(shù)也可以使用支持向量機。例如，檢測網(wǎng)絡(luò)中的RCNN就是利用CNN提取特征，SVM對目標(biāo)數(shù)目進行分類。這應(yīng)該是CNN在除分類以外的檢測任務(wù)中的首次成功應(yīng)用。

圖1。RCNN框架

人工智能不容易學(xué)，而且很難學(xué)。

但是，如果您只使用一些現(xiàn)有的人工智能算法，就不會那么困難了。

先談一下基本要求：

如果你具備以上四點，就可以順利地進行人工智能的研究和學(xué)習(xí)。如果一開始沒有找到研究方向，沒有第四點也沒關(guān)系?？梢詮乃惴▽W(xué)習(xí)的方向入手，然后找到獲取數(shù)據(jù)的方向。

一般來說，人工智能雖然沒有想象中那么神秘，但研究起來卻不是那么簡單。畢竟，它是一種從海量數(shù)據(jù)中尋找規(guī)則和問題解決模型的方法，涉及方方面面。沒有堅強的毅力，就很難有大的發(fā)現(xiàn)。

如果你只是想在將來找到一份與人工智能相關(guān)的工作，你不必那么刻苦學(xué)習(xí)，只要把工具學(xué)好，把現(xiàn)有的算法學(xué)好就行了。