图像识别算法工程师 深度学习

原标题：刘顺海：大数据 深度学习 是机器学习中一种基于对数据进行表征学习的方法

（人工神经网络的研究的概念）

本词条由 “科普中国”百科科学词条编写与应用工作项目 审核 。

深度学习的概念源于 人工神经网络的研究。含多隐层的 多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。 [1]

深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。 [1]

深度学习是机器学习中一种基于对数据进行 表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个 像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如， 人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取 特征。

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。 [2]

同 机器学习方法一样，深度机器学习方法也有 监督学习与无监督学习之分．不同的学习框架下建立的学习模型很是不同．例如， 卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度 置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。

TA说

用深度学习来解析梦境中出现的物体 2017-12-11 11:12

机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。最近大火的深度学习则是机器学习的一个分支，主要用基于人工神经网络的各种方法来实现目的。 ...详情

中文名 深度学习 外文名 Deep Learning 背景基础 机器学习 应用领域 语音识别，机器翻译，计算机视觉 领 域 计算机学术

目录

1背景

2深度概念

3问题

4基本思想

5主要技术

6成功应用

机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。机器能否像人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。 [3]

从一个输入中产生一个输出所涉及的计算可以通过一个 流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算以及一个计算

含多个隐层的深度学习模型

的值，计算的结果被应用到这个节点的子节点的值。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父节点，输出节点没有子节点。

这种流向图的一个特别属性是 深度(depth)：从一个输入到一个输出的最长路径的长度。

传统的 前馈神经网络能够被看做拥有等于层数的深度(比如对于输出层为隐层数加1)。SVMs有深度2(一个对应于核输出或者特征空间，另一个对应于所产生输出的线性混合)。 [4]

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-86645-1.html