基本预测方法优缺点分析

随着神经网络的发展，embedding的思想被广泛的应用在搜推广、图像、自然语言处理等领域，在实际的工业场景中，我们常常会遇到基于embedding进行文本、图像、视频等物料的相关内容检索问题，这类问题通常要求在几毫秒的时间内完成百万甚至亿级别候选物料上的检索。 在这类问题中，主要需要考虑的三个问题是速度、内存以及准确性，其中速度是必须要解决的问题，同时我们希望能在保证速度的基础上，尽可能的提升准确率，降低内存占用。因此可以想到，我们是不是可以通过一定的方法，利用内存和准确率来换取查询速度的提升。 Faiss是由FacebookAI团队开发的向量检索库，提供了多种向量查询方案，可以实现在亿级别候选物料上的毫秒级查询，是目前最主流的向量检索库。在Faiss中，把具体的查询算法实现称为索引，由于faiss中提供了多种类型的索引，因此了解其中不同索引索引的实现方式对于我们的应用就尤为关键。

数据标注是人工智能行业的基础，是机器感知现实世界的起点。在某种程度上，没有标注的数据是没有用的。加州科技大学校长秦志刚教授在接受《科技日报》采访时说，机器识别事物主要是通过物体的一些特征。识别出的对象需要用数据标注，让机器知道对象是什么。

在算法、机器学习、知识图谱等技术的帮助下对数据进行专业性地挖掘和处理，进而通过数据加工将之变成具有针对性的有效信息，能够帮助我们实现智能化的信息收集和加工，大数据仍然是人工智能的基础。

自编码器 AE（AutoEncoder）程序

堆叠降噪自动编码器 Stacked Denoising Auto Encoder（SDAE）

SiamFC：用于目标跟踪的全卷积孪生网络 fully-convolutional siamese networks for object tracking

简单地使用一个一维的离散微分模板在一个方向上或者同时在水平和垂直两个方向上对图像进行处理，更确切地说，这个方法需要使用滤波器核滤除图像中的色彩或变化剧烈的数据