Se desarrollan muy pocos algoritmos genuinamente nuevos. Casi todos los avances son mejoras en los algoritmos existentes. Aquí hay algo de historia:
- Regresión lineal . Algoritmo más obvio y esencialmente se ha utilizado desde el principio de los tiempos.
- Regresión logística . Mejora en la regresión lineal que permite alguna variación más.
- Modelos lineales generalizados . Mejoras continuas en la regresión lineal / logística para abordar varias debilidades.
- Perceptrón Otro modelo lineal que también se calcula fácilmente.
- Perceptrón multicapa . Mejora en el perceptrón inspirado en la estructura del cerebro humano.
- Red neuronal. Generalización del perceptrón multicapa para permitir funciones no lineales y muy variables.
- Aprendizaje profundo Entrenamiento sin supervisión para ayudar a reducir la variación en NNs.
Por lo tanto, su mejor opción es estudiar los algoritmos existentes, descubrir cuáles son sus debilidades y encontrar mejoras para corregir esas debilidades.
- ¿Cuáles son las tecnologías utilizadas detrás del chatbot de inteligencia artificial de Facebook?
- ¿Existe un buen resumen de todos los campos en los que el aprendizaje profundo está superando los métodos de vanguardia anteriores?
- Soy nuevo en programación, ¿qué significa entrenar una red neuronal?
- ¿Alguna vez llegaremos a los puntos donde los videojuegos pueden responder a las entradas del lenguaje natural?
- Cómo determinar un desarrollador falso de IA
