深度學習簡介

2021-08-05 20:05:53 字數 2199 閱讀 2589

一、人工智慧、機器學習與深度學習

1.定義

2.傳統機器學習和深度學習流程對比

3.人工智慧、機器學習以及深度學習之間的關係

二、深度學習的應用

1.計算機視覺--影象識別

2.語音識別

3.自然語言處理(nlp)

4.人機博弈

三、深度學習工具介紹和對比

一、人工智慧、機器學習與深度學習

1.定義

業界對機器學習的專業定義:如果乙個程式可以在任務t上,隨著經驗e的增加,效果p也可以隨之增加,則這個程式可以從經驗中學習,這個過程稱之為機器學習的過程。

2.傳統機器學習和深度學習流程對比

3.人工智慧、機器學習以及深度學習之間的關係

人工智慧是一類非常廣泛的問題,機器學習是解決這類問題的乙個重要手段。深度學習是機器學習的乙個分支。

深度學習的方法突破了傳統機器學習方法的瓶頸,推動了人工智慧領域的發展。

二、深度學習的應用

1.計算機視覺--影象識別

計算機視覺是深度學習技術最早實現突破性成就的領域。

【影象分類】

隨著2023年基於imagenet資料集,深度學習演算法alexnet贏得影象分模擬賽ilsvrc冠軍,深度學習開始受到學術界廣泛關注。

news:

李飛飛:imagenet證明深度學習需要海量資料支援

在谷歌,影象分類、物體識別技術已經被廣泛應用於谷歌無人駕駛車、youtube、谷歌地圖、谷歌以圖搜圖等產品。

【人臉識別】

在人臉識別資料集lfw(labeled faces in the wild)上,深度學習演算法的系統deepid2可以達到99.47%的識別率。

【光學字元識別】

定義:將計算法紀無法理解的中的字元,比如數字、字母、漢字等符號,轉化為計算機可以理解的文字格式。

例項:基於yann lecun教授的

mnist手寫體識別

2.語音識別

基於timit資料集,語音識別的錯誤率由基於傳統的混合高斯模型(gmm)的21.7%降低到了使用深度學習模型的17.9%,然後引起了學術界和工業界廣泛關注。

基於深度學習的語音識別目前被應用於蘋果的siri系統、android的谷歌語音搜尋、微軟的skype的同聲傳譯。

3.自然語言處理(nlp)

自然語言處理(natural language processing,簡稱nlp)就是用計算機來處理、理解以及運用人類語言(如中文、英文等)

舉個nlp面臨的問題例項:

句子「我們把香蕉給猴子,因為它們餓了」和「我們把香蕉給猴子,因為它們熟透了」有同樣的結構。但是代詞「它們」在第一句中指的是「猴子」,在第二句中指的是「香蕉」。如果不了解猴子和香蕉的屬性,無法區分。

自然語言處理的主要範疇:

情感分析

文字朗讀(

text to speech)/語音合成(speech synthesis)

語音識別(speech recognition)

中文自動分詞(chinese word segmentation)

詞性標註(part-of-speech tagging)

句法分析(parsing)

自然語言生成(natural language generation)

文字分類(text categorization)

資訊檢索(information retrieval)

資訊抽取(information extraction)

文字校對(text-proofing)

問答系統(question answering)

機器翻譯(machine translation)

自動摘要(automatic summarization)

文字蘊涵(textual entailment)

4.人機博弈

2023年3月15日 alphago 4:1 擊敗南韓選手李世石

三、深度學習工具介紹和對比

無論在獲得的星數(start)還是在被fork的此書上,tensorflow都要遠超其他深度學習工具

深度學習簡介

一 概念 1.是機器學習研究中的乙個新的領域,其動機在於建立,模擬人腦進行分析學習的神經網路,它模擬人腦的機制進行解釋資料,學習方法也分為監督學習和非監督學習兩種方式。2.深度學習成功的條件 大資料 大規模計算能力 複雜模型 高效演算法 二 適於解決的問題的特徵 1.深度不足會出現問題 2.人腦具有...

深度學習簡介

深度學習是指多層神經網路上運用各種機器學習演算法解決影象 文字等各種問題的演算法集合。深度學習從大類上可以歸入神經網路,不過在具體實現上有許多變化。深度學習的核心是特徵學習,旨在通過分層網路獲取分層次的特徵資訊,從而解決以往需要人工設計特徵的重要難題。深度學習是乙個框架,包含多個重要演算法 conv...

深度學習簡介

計算機的發明,起初是為了代替人類進行重複性勞動,比如一些複雜的運算,對於人來說是非常困難的 然而,一些通過人類的直覺就可以很快解決的問題,如 自然語言 影象識別 語音識別等,對於計算機來說就非常困難,這就是人工智慧需要解決的問題。1997年卡內基梅隆大學的tom michael mitchell教授...