深度学习未来的研究方向，主要有哪些？

1）IoT移动数据：

IoT数据的一大部分来自移动设备。研究利用移动大数据与深度学习方法相结合的有效方式，可以为IoT提供更好的服务，特别是在智慧城市场景中。

2）结合环境信息：

单靠IoT的传感数据不能理解环境的情况。因此，IoT数据需要与其他数据源融合，即环境信息，以补充对环境的理解。

3）IoT分析的在线资源供应：

基于雾和云计算的深度学习快速数据分析部署需要在线配置雾或云资源来承载数据流。由于IoT数据的流特性，无法提前知道数据序列的容量。因此，我们需要一种新的基于当前数据流的算法，并且不依赖于数据流的先验知识。

4）半监督分析框架：

为半监督学习而设计的先进的机器学习算法非常适合于智慧城市系统，可以使用少量的训练数据集训练模型，然后使用大量未标记数据来提高模型的准确性。

5）可靠的IoT分析：

深度学习方法可以通过分析大量的信息物理系统（CPS）和IoT系统的日志，以识别和预测可能受到攻击的系统的薄弱点。这将有助于系统防止或从故障中恢复，从而提高CPS和IoT系统的可靠性水平。

6）自组织通信网络：

由于IoT设备的数量庞大，配置和维护他们的基本物理M2M通信和网络变得越来越难。虽然大量的网络节点及其相互关系对传统的机器学习方法是一个挑战，但它为深度学习体系结构提供了一个机会，通过提供自配置、自优化、自修复和自负载平衡等一系列的自我服务足以证明它们在这一领域的能力。

7）新兴IoT应用：

无人机：无人机被用于许多实时图像分析任务，如监视、搜索和救援行动，以及基础设施检查。这些设备的采用面临包括路由、节约能源、避免私人区域和避障等挑战。深度学习对于该领域的预测和决策任务有很大的影响，可以推动无人机达到最佳性能。

虚拟/增强现实：虚拟/增强现实是受益于IoT和深度学习的另一个应用领域。增强现实可以用于提供诸如目标跟踪、行为识别、图像分类和对象识别这样的服务。增强现实可以极大地影响如教育，博物馆，智能车等几大领域。
　　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
深度学习入门必须理解这25个概念
http://www.duozhishidai.com/article-15118-1.html
帮你读懂人工智能+机器学习+深度学习的包含关系
http://www.duozhishidai.com/article-12745-1.html
深度学习快速入门必备知识
http://www.duozhishidai.com/article-12461-1.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