深度学习是什么,深度学习概念的基本理解?
深度学习是指由许多层组成的人工神经网络。“深”是指层数多。相比深度学习,其他的许多机器学习算法是浅的,例如SVM,因为它们没有多层的深架构。多层的架构允许后面的计算建立在前面的计算之上。目前的深度学习网络已经有10+甚至100+层。
多层的存在使得网络能够学习更多的抽象特征。因此,网络的较高层可以获得建立在来自较低层的输入上的更多抽象特征。深度学习网络可以被视为特征提取层(featureextractionlayer),其顶部是分类层(Classificationlayer)。深度学习的能力不在于它的分类,而特征提取。特征提取是自动(没有人为干预)而且多层的。
通过向网络展示大量有标记的示例来训练网络,通过检测误差并调整神经元之间连接的权重以改进结果。重复该优化过程以创建微调后的网络。一旦部署之后,可以利用优化的网络来评估没有标记的图像。
特征工程(Featureengineering)包括找到变量之间的连接并将它们包装到一个新的变量中。深度学习执行自动特征工程。自动特征工程是深度学习的主要特征。特别是对于图像等非结构化数据来说自动特征工程很重要,因为人工的特征工程非常缓慢而且耗费劳力,并且对执行执行工程的人的领域知识有很大依赖性。
深度学习适合目标函数复杂且数据集较大的问题,但有正例和负例的例子。深度学习也适合涉及层次和抽象的问题。
抽象(Abstraction)是一个概念过程,通过抽象从一般规则和概念中衍生出具体例子的使用和分类。我们可以将抽象视为一个“超级类”(super-category)的创建,包括描述特定目的的示例的共同特征,但会忽略每个示例中的“局部变化”(localchanges)。例如,“猫”的抽象包括毛,胡须等。对于深度学习来说,每个层涉及对一个特征的检测,并且随后的层以先前的层为基础。因此,在问题域包括抽象和分层概念的情况下可以使用深度学习。图像识别属于此类别。相比之下,垃圾邮件检测问题可以被建模为一个spreadsheet,可能就不是需要使用深度学习的复杂问题。
人工智能、大数据、云计算和物联网的未来发展值得重视,均为前沿产业,多智时代专注于人工智能和大数据的入门和科谱,在此为你推荐几篇优质好文:
深度学习与计算机视觉的具体介绍
http://www.duozhishidai.com/article-15924-1.html
人工智能,机器学习和深度学习之间,主要有什么差异?
http://www.duozhishidai.com/article-15858-1.html
深度学习初学者必须了解的基本知识
http://www.duozhishidai.com/article-15120-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
- 基于keras的深度学习基本概念讲解——深度学习之从小白到入门
- 基于keras的深度学习基本概念讲解——深度学习之从小白到入门
- Logo 首页 下载App 深度学习从小白到入门 —— 基于keras的深度学习基本概念讲解 96 作者 shikanon 2017.02.18 20:27 字数 2551 阅读
- 深度学习之:CNN卷积神经网基本概念理解
- 基于keras的深度学习基本概念讲解——深度学习之从小白到入门
- 深度学习基本概念的理解
- [置顶] 【DL--02】深度学习基本概念--符号计算
- 什么是数据结构-数据结构学习笔记1.1(基本概念)
- WCF学习之基本概念的理解
- 深度学习基础介绍:机器学习介绍和基本概念
- 深度学习25个基本概念
- 【深度学习基础-16】非监督学习-Hierarchical clustering 层次聚类-基本概念(上)
- 深度学习CNN-基本概念
- 【深度学习 论文综述】深度神经网络全面概述:从基本概念到实际模型和硬件基础
- 深度学习25个基本概念
- 深度学习入门必须理解这25个概念
- 深度学习基本概念
- 深度学习基本概念
- Spring4学习笔记一:环境搭建与插件安装、基本概念理解
- 学习深度学习--深度学习中的一些基本概念