一文了解什么是深度學(xué)習(xí)
編者薦語
深度學(xué)習(xí)(DL, Deep Learning)是機器學(xué)習(xí)(ML, Machine Learning)領(lǐng)域中一個新的研究方向,它被引入機器學(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,含多個隱藏層的多層感知機(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),目前在計算機視覺、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。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
