大数据智能：从数据拟合最优解到博弈对抗均衡解

蒋胤傑况琨吴飞 · 0

阅读量：292

人工智能

期刊名称：

智能系统学报 0 年

摘要：

数据驱动的机器学习（特别是深度学习）在自然语言处理、计算机视觉分析和语音识别等领域取得了巨大进展，是人工智能研究的热点。传统机器学习中参数优化问题可视为数据拟合，通过各种优化算法拟合训练数据集上的最优模型。但是，现实生活中在商品竞拍和资源分配等问题上，人工智能算法学习的目标不是最优解，而是均衡解，这就需要将博弈的思想应用于大数据智能。将博弈与人工智能相结合，可以让大数据智能有更广阔的应用空间。