机器学习简介:
深度学习是一种基于神经网络的学习方法。和传统的机器学习方法相比,深度学习模型一般需要更丰富的数据、更强大的计算资源,同时也能达到更高的准确率。目前,深度学习方法被广泛应用于计算机视觉、自然语言处理、强化学习等领域。深度学习目前在很多领域的表现都优于过去的方法,在图像分类与识别、语音识别与合成、人脸识别、视频分类与行为识别等领域都有着不俗的表现。 除此以外,深度学习还涉及到与生活相关的纹理识别、行人检测、场景标记、门牌识别等领域。 人脸识别采用深度学习方法后的识别率超过了目前非深度学习算法以及人类的识别率,深度学习技术在语音识别领域更是取得了突破性的进展,在大规模图像分类问题上也远超传统方法。深度学习是人工智能领域非常小的一个分支
深度学习的目标:学习样本数据的内在规律和表示层次。
表征学习:学习从高维空间到低维空间的映射(降维) 维度越高,需要数据量就越大。Mapping from features:学习器。特征提取(人工选择特征)与学习器是分开的。
深度学习:特征提取与学习器是一起的,卷积。(end to end)
深度学习关键:这些层次的特征不是由人工设计的,而是使用一种通用的学习步骤从数据中学习获取的(学习得到的)。这些学习过程中获得的信息对文字、图像和声音等数据的解释有很大的帮助。
深度学习在搜索技术、数据挖掘、机器翻译、多媒体学习、语音识别、推荐和个性化技术以及其他相关领域都取得了很多成果。
深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步,最终目标是让机器能够像人一样具有分析学习能力。