提示:与前向神经网络不同 。RBM(受限波尔兹曼机)中的可见层和隐含层之间的连接是无方向性且全连接的 。对比差异无监督训练是RBM的一个重要算法 。包含了正向过程、反向过程和权值更新三个步骤 。主要目标是使生成的数据与原数据尽可能相似 。并通过对比两者的差异来调整权值更新:
文章插图
其中 。α是学习速率 。这样的网络可具备感知对输入数据表达程度的能力 。而且尝试通过这个感知能力重建数据 。如果重建出来的数据与原数据差异很大 。那么进行调整并再次重建 。
2012年6月 。《纽约时报》披露了Google Brain项目 。吸引了公众的广泛关注 。这个项目是由著名的斯坦福大学的机器学习教授Andrew Ng和在大规模计算机系统方面的世界顶尖专家Jeff Dean共同主导 。用16,000个CPU Core的并行计算平台去训练含有10亿个节点的深度神经网络(DNN 。Deep Neural Networks) 。使其能够自我训练 。对2万个不同物体的1,400万张图片进行辨识 。在开始分析数据前 。并不需要向系统手工输入任何诸如“脸、肢体、猫的长相是什么样子”这类特征 。Jeff Dean说:“我们在训练的时候从来不会告诉机器:‘这是一只猫’(即无标注样本) 。系统其实是自己发明或领悟了‘猫’的概念 。”
2014年3月 。同样也是基于深度学习方法 。Facebook的 DeepFace 项目使得人脸识别技术的识别率已经达到了 97.25% 。只比人类识别 97.5% 的正确率略低那么一点点 。准确率几乎可媲美人类 。该项目利用了 9 层的神经网络来获得脸部表征 。神经网络处理的参数高达 1.2亿 。
最后我们再回到大数据这个时代背景上来 。当坐拥海量的大数据 。我们无论是做推荐系统还是3D模型检索(见第6章的6.4节“众里寻她千百度──海量3D模型的检索”) 。以前用简单的线性数学模型 。一般也能获得还不错的结果 。因此我们沾沾自喜起来 。认为还是大数据更重要 。而智能算法用简单直接的就OK了 。不需要也没必要弄得很复杂 。而当深度学习出现后 。它的一系列辉煌战绩让我们意识到:也许是时候该“鸟枪换炮”了 。简而言之 。在大数据情况下 。也许只有比较复杂的模型 。或者说表达能力强的模型 。才能充分发掘海量数据中蕴藏的有价值信息 。更重要的是 。深度学习可以自动学习特征 。而不必像以前那样还要请专家手工构造特征 。极大地推进了智能自动化 。
深度学习(即所谓“深度”)应大数据(即所谓“广度”)而生 。给大数据提供了一个深度思考的大脑 。而3D打印(即所谓“力度”)给了智能数字化一个强健的躯体 。三者共同引发了“大数据+深度模型+3D打印”浪潮的来临 。
其他观点:
深度学习(简称为DL, Deep Learning)是机器学习领域的一个分支 。是近些年来最热门计算机技术之一 。深度学习最简单的一种结构是人工神经网络中含多个隐藏层的多层感知器 。它主要应用于图像识别、语音识别、文本识别等领域 。
与传统的浅层机器学习相比 。深度学习有更深的模型结构 。用大量样本数据来学习特征 。而不需要像传统的特征工程那样手工设计特征 。更加能够表现出数据丰富的内在信息 。常见的深度学习模型有卷积神经网络(CNN)、深度置信网络(DBN)、胶囊网络(CapsNet)等等 。
其他观点:
文章插图
深度学习是科技发展的必然趋势 。是一种实现人工智能的强大技术 。已经在图像视频处理、语音处理、自然语言处理等领域取得了大量成功应用案例 。并对学术界和工业界产生了非常广泛的影响 。当前 。我国关于深度学习的研究主要体现在以下方面:
文章插图
技术领域 。百度、阿里巴巴和腾讯等大型公司成为我国发展深度学习技术的主导力量 。并投入了大量的研发力量 。百度在2012年就启动了人工智能研究计划 。先后推出AI技术平台体系 。在人脸识别、自然语言处理和图像处理方面发挥了重要作用 。2016年 。百度推出天智平台 。天智平台由多种平台组合而成 。包括深度学习平台、机器学习平台和感知平台 。运用于医疗、金融、零售等各个领域 。阿里巴巴以阿里云为基础 。将电商支付与人工智能技术相结合 。刷脸支付、智能出行等极大地方便了人们的生活 。腾讯在人工智能技术方面也取得了非常不错的成绩 。例如基于强大的深度学习算法的微信 。极大地改变了我们的生活 。
推荐阅读
- 蛙泳手部动作要领
- 郑州婚庆策划培训公司,郑州婚庆策划公司
- 公交卡办理流程 公交卡办理点
- 南航快乐飞2023年推出时间南航快乐飞是什么意思
- 普拉多算豪车吗?
- 弹起式地面插座怎么打开?弹起式地面插座怎么按下去
- 爱人若爱其身什么意思仁者爱人有礼者敬人?爱人若爱其身什么意思墨子
- 四川公务员考试论坛网 四川公务员考试论坛-QZZN论坛 - 手机版
- 宾利BENTLEY行李箱 宾利bentley多少钱