总览
如何从实体中提取特征,对于很多传统机器学习算法的性能有巨大影响。
一旦解决了数据表达和特征提取,很多人工智能任务也就解决了90%。对许多机器学习算法来说,特征提取不是一件简单的事情。
深度学习解决的核心问题之一就是自动的将简单的特征组合成更加复杂的特征,并使用这些组合特征解决问题。
传统算法:输入--人工特征提取--权重学习--预测
深度学习:输入--基础特征提取--多层复杂特征提取--权重学习--预测
计算机视觉:图片分类、物体识别、人脸识别、光学字符识别(optical character recognition, OCR)
语音识别:
自然语言处理:语言模型、机器翻译、词性标注、实体识别、情感分析、广告推荐、搜索排序
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems.