深度学习在嵌入式设备上的应用

下面来探讨一下深度学习在嵌入式设备上的应用，具体如下：

1、深度学习的概念源于人工神经网络的研究，包含多个隐层的多层感知器(MLP) 是一种原始的深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示( 属性类别或特征) ，以发现数据的分布式特征表示。BP算法是训练多层网络的典型算法，但实际上对于仅含几层的网络，该训练方法就已很不理想。深度结构( 涉及多个非线性处理单元层) 非凸目标代价函数中普遍存在的局部最小是网络难以训练的主要原因。

2006-2016这十年间深度学习不断发展创新，研究价值和应用潜力不断被挖掘发现。近年来深度学习取得惊人进展，从模型、算法，到大规模的应用都取得了令人瞩目的成果。深度学习的出现是机器学习的一次重要革命，是人工智能发展巨大推力。人工智能是终极目标，机器学习是实现人工智能的一种分支，深度学习隶属于人工神经网络体系，人工神经网络是基于统计的机器学习方法，相比于基于人工规则的专家系统，表现优异。传统的神经网络是一种浅层机器学习，深度学习是传统神经网络发展下的新一代神经网络。深度学习是通过建立、模拟人脑的信息处理神经结构来实现对外部输入的数据进行从低级到高级的特征提取，从而能够使机器理解学习数据，获得信息。

2、嵌入式系统

嵌入式系统是用来控制处理外部世界各种中断信号的计算机系统，嵌入式系统被定义为以应用为中心、以计算机技术为基础、软件硬件可裁剪、适应应用系统对功能、可靠性、成本、体积、功耗严格要求的专用计算机系统。进入20世纪90年代，嵌入式技术全面展开，目前已成为通信和消费类产品的共同发展方向。在通信领域，数字技术正在全面取代模拟技术。在广播电视领域，美国已开始由模拟电视向数字电视转变，欧洲DVB( 数字电视广播) 技术已在全球大多数国家推广。数字音频广播(DAB) 也已进入商品化试播阶段。而软件、集成电路和新型元器件在产业发展中的作