《AI新媒体艺术设计》课件-5.机器学习基础原理（监督学习、无监督学习）_第1页
《AI新媒体艺术设计》课件-5.机器学习基础原理（监督学习、无监督学习）_第2页
《AI新媒体艺术设计》课件-5.机器学习基础原理（监督学习、无监督学习）_第3页
《AI新媒体艺术设计》课件-5.机器学习基础原理（监督学习、无监督学习）_第4页
《AI新媒体艺术设计》课件-5.机器学习基础原理（监督学习、无监督学习）_第5页
已阅读5页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

机器学习基础原理监督学习01无监督学习02监督学习——有“老师”引领的学习核心逻辑：老师带着学生做题核心要素“有标签的训练数据+明确的学习目标”举例：AI识别“向日葵”输入数据：大量“向日葵图片+‘向日葵’标签”的训练数据AI学习：分析图片特征（黄色花瓣、圆形花盘、绿色花茎），总结“特征-标签”对应规律先给答案

→

再学规律

→

最后做判断应用判断：遇到新图片，依据规律判断是否为向日葵AI图像风格迁移-案例训练阶段：输入大量“普通照片+对应艺术风格标签”（如梵高风格、莫奈风格）​AI学习：掌握不同艺术风格的笔触、色彩规律​创作应用：用户上传照片，AI按选定风格生成艺术化图像01AI物体识别交互-案例训练阶段：通过监督学习让AI提前“认识”猫、狗、鸟等动物特征​交互过程：观众持动物玩偶出现在装置前，AI实时识别玩偶类型​艺术效果：投影出该动物对应的动态艺术影像，实现“识别即交互”02监督学习的新媒体艺术应用与监督学习的关键区别：不给AI“答案”，仅提供无标签原始数据，让AI自主分析。核心能力:分析数据间的相似性、关联性​对相同特征数据归类，或发现数据隐藏模式无监督学习——自主探索的学习学生自己观察总结规律举例：AI分类1000张无标签杂乱图片输入数据：1000张无任何标签的杂乱图片​AI观察：自主识别特征（天空：蓝色+白云；树木：绿色+枝干；建筑：直线+几何形状）​分类结果：自动分成“天空”“树木”“建筑”三类“无标签的训练数据+自主发现隐藏规律”01数据可视化艺术-案例：城市数据艺术装置数据输入：某城市一天的交通流量原始数据（无标签，含时间、地点、车辆数量）​AI分析：自主发现规律（早7-9点、晚5-7点某路段数据值高→早晚高峰；中午12-2点数据值低→午休时段）​视觉转化：高峰时段用红色、快速闪烁光点表示；低峰时段用绿色、缓慢流动光点表示，直观呈现交通规律02动态生成艺术-案例：AI抽象艺术生成器数据输入：大量无标签的色彩、线条数据​AI创作：自主组合元素规律，生成不同风格抽象艺术作品​独特性：每次生成作品不同，因AI持续发现新的数据关联模式无监督学习的新媒体艺术应用监督学习与无监督学习对比维度监督学习无监督学习核心逻辑有答案学规律没答案找规律数据特点有标签训练数据无标签训练数据类比场景老师教认水果：“红色、圆形、甜的是苹果”自己分水果：“圆的、带皮的是一类，长的、带壳的是另一类”艺术创作适用场景有明确需求（生成特定风格图像、识别特定物体）自主探索数据规律，创造随机性、创新性作品思考想制作“校园风景AI分类相册”，让AI自动将同学们拍摄的校园照片分成“教学楼”“操场”“花园”三类，该用监督学习还是无监督学习？应选用无监督学习​原因：未提前给照片贴“教学楼”“操场”“花园”标签，需

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论