深度学习————AI的进化之匙
来源:互联网 发布:c4d软件 编辑:程序博客网 时间:2024/05/22 13:23
10月19日,英国《自然》杂志发表论文报道,一款新版的“阿尔法狗”(AlphaGo)计算机程序能够从空白状态起,在不需要任何人类输入的条件下,无师自通,自学成才。
近日,阿尔法狗的新一代——AlphaGo zero,在没有任何外在输入棋谱的情况下
通过三天自习轻松击败了它的前辈。这则新闻引起了又一轮对人工智能的讨论,但在唬人的战绩下,是新一代的算法让阿尔法狗能轻松超越前辈——深度学习。
简介
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。
应用
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。
- 深度学习————AI的进化之匙
- 神经进化:一种不一样的深度学习——通过进化算法来探求神经网络的进化
- 神经进化:一种不一样的深度学习——通过进化算法来探求神经网络的进化
- 深度学习在人脸识别中的应用 ——优图祖母模型的“进化”
- Java 工程师转型 AI 的秘密法宝——深度学习框架 Deeplearning4j | 回顾
- 星小环的AI读书会—深度学习系列01开篇
- OpenGL入门学习之十五——从“绘制一个立方体”来看OpenGL的进化过程
- OpenGL入门学习之十五——从“绘制一个立方体”来看OpenGL的进化过程
- 缓存的进化之路—Couchbase的分布式架构
- 经典书单 —— 语言/算法/机器学习/深度学习/AI/CV/PGM
- 深度学习:未来机器人的进化途径
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Initialize parameter(2-1.1)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Regularization(2-1.2)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Gradients_check(2-1.3)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Optimization Methods(2-2)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Tensorflow+tutorial(2-3)
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Keras tutorial
- 吴恩达Coursera深度学习课程 DeepLearning.ai 编程作业——Autonomous driving
- 14-面向对象(接口和抽象类的区别)1 14-面向对象(接口和抽象类的区别)2 14-面向对象(接口和抽象类的区别)3
- PAT1061 判断题
- React JSX
- Codeforces587B-DP+优化
- 定时器机制及锁实现
- 深度学习————AI的进化之匙
- 实习项目回顾
- ubuntu 中文安装后需要卸载的中文字体
- 优先队列——A-B
- 在阿里云服务器(9.9学生版)上Cmake 构建Rosetta,并仅编译AbinitioRelax
- 6. ZigZag Conversion leetcode
- Windows编程基础--第8节 MFC对话框控件访问的七种方法(上)
- 01-面向对象(接口的应用)1 01-面向对象(接口的应用)2 01-面向对象(接口的应用)3
- 二分法做平方根