深度學(xué)習(xí)是什么

點(diǎn)擊左上方藍(lán)字關(guān)注我們

全網(wǎng)搜集目標(biāo)檢測相關(guān)，人工篩選最優(yōu)價(jià)值內(nèi)容

編者薦語

深度學(xué)習(xí)(DL, Deep Learning)是機(jī)器學(xué)習(xí)(ML, Machine Learning)領(lǐng)域中一個(gè)新的研究方向，它被引入機(jī)器學(xué)習(xí)使其更接近于最初的目標(biāo)——人工智能(AI, Artificial Intelligence)。

深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，含多個(gè)隱藏層的多層感知機(jī)（MLP，Multilayer Perceptron）就是一種典型的深度學(xué)習(xí)結(jié)構(gòu)。

最簡單（只含一個(gè)隱層）的MLP

深度學(xué)習(xí)通過組合簡單（低層次）的特征形成更加抽象（高層次）的特征表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)從原始數(shù)據(jù)的輸入到最終任務(wù)目標(biāo)的輸出，不夾雜任何人為操作，即所謂End-to-End（端到端）的學(xué)習(xí)。

深度學(xué)習(xí)

如圖所示，深度學(xué)習(xí)除了模型學(xué)習(xí)，還有特征學(xué)習(xí)、特征抽象等任務(wù)模塊的參與，借助多層任務(wù)模塊完成最終學(xué)習(xí)任務(wù)，故稱其為“深度”學(xué)習(xí)。

深度學(xué)習(xí)中的一類代表算法是神經(jīng)網(wǎng)絡(luò)算法，包括深度置信網(wǎng)絡(luò)（DBN,Deep Belief Networks）、遞歸神經(jīng)網(wǎng)絡(luò)（RNN,Recursive Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（CNN,Convolutional Neural Networks）等等。

特別是卷積神經(jīng)網(wǎng)絡(luò)，目前在計(jì)算機(jī)視覺、自然語言處理、醫(yī)學(xué)圖像處理等領(lǐng)域“大紅大紫”，它也是作者主要介紹的一類深度學(xué)習(xí)算法。

END

雙一流大學(xué)研究生團(tuán)隊(duì)創(chuàng)建，專注于目標(biāo)檢測與深度學(xué)習(xí)，希望可以將分享變成一種習(xí)慣！

整理不易，點(diǎn)贊三連↓