深度学习是机器学习和人工智能领域的最新趋势之一,为计算机视觉和机器学习带来了深刻的变革。新的深度学习正在不断诞生,甚至已经超越了最先进的机器学习技术。近年来,全世界在深度学习领域取得了许多重大突破。
“深度学习”的由来
“深度学习”(Deep Learning)一词最初于1986年被引入机器学习概念,2000年时又被用于人工神经网络。深度学习由多个层组成,以学习具有多个抽象层次的数据特征。深度学习允许计算机通过相对简单的概念来学习复杂的概念。
对于人工神经网络,深度学习(也叫分层学习)是指在多个计算阶段中精确地分配信用,以转换网络中的聚合激活。为了学习复杂的结构,深度架构被用于多个抽象层次,即非线性操作,例如人工神经网络具有许多隐藏层。总的来说,深度学习是机器学习的一个子领域,使用多层次的非线性信息处理和抽象,用于有监督或无监督的特征学习、表示、分类和模式识别。
如今,人工神经网络(ANN)已经取得了长足的进步,同时也带来了其他的深度模型。第一代人工神经网络由简单的感知器神经层组成,只能进行有限的简单计算。第二代使用反向传播,根据错误率更新神经元的权重。然后支持向量机(SVM)浮出水面,在一段时间内超越ANN。为了克服反向传播的局限性,人们提出了受限玻尔兹曼机(RBM),使学习更加容易。此时其他技术和神经网络也出现了,如前馈神经网络(FNN)、卷积神经网络ÿ