【深度学习入门—2015MLDS】1. What is Machine Learning, Deep Learning and Structured Learning?

最新推荐文章于 2024-07-18 08:00:00 发布

youth.lin

最新推荐文章于 2024-07-18 08:00:00 发布

阅读量3.8k

点赞数 2

分类专栏：深度学习文章标签：深度学习

本文链接：https://blog.csdn.net/lecholin/article/details/77407322

版权

深度学习专栏收录该内容

6 篇文章 0 订阅

订阅专栏

机器学习、深度学习和结构化学习

一. 机器学习的定义

为什么需要机器学习？

传统的编程大多数情况下只能让计算机解决人推理好的问题，但对于一些复杂的、人无法完全解决的问题，我们就无法显式编程，无法让计算机做运算。

例如语音识别（李宏毅老师自己的研究方向），如果不应用机器学习的方法，那么只能人工去找某个词发音的共同模式，不难发现这种模式非常难用程序(if-else)描述的，在大型语料的情况下简直是无法想象。

机器学习（machine learning）是通过不显式地编程，让计算机自动地学习样本数据中隐含的模式，因此又称为模式识别（pattern recognition）。”学习“就相当于找到一个将输入X映射到输出Y的、抽象意义上的函数f，这种映射蕴含的就是上述的模式。

例如对于语音识别，输入一段语音信号，经过函数f，输出”你好“；对于手写字识别，输入手写体2的图片，经过函数f，输出数字2。

机器学习的框架：

机器学习的框架
上图给出的是有监督学习的架构。

给定训练数据集(Training Data)X和Y，其中每一对数据 $（x^i，y^i）$ 分别对应函数f的输入和输出，接下来要做的就是根据训练数据，从模型(Model)的假设函数集合(Hypothesis Function Set)中找到一个“最好”的函数 $f^*$ 。面对新的测试数据 $x'$ ， $f^*(x')$ 可以输出最接近我们预期的结果 $y'$ 。

那么“最好”的定义是什么？如何从无穷大的假设空间中找到这个“最好”的函数 $f^*$ 呢？这些问题贯穿了整个课程。

机器学习的两大分支

本门课主要围绕机器学习中两大重要的分支——深度学习（Deep Learning）和结构化学习（Structured Learning）。

二. 深度学习的定义

初识深度学习

（外行人对神经网络的看法：模拟人脑的运作方式。实际上只是受到启发而已，并没有实质性地涉及脑神经科学-_-||）

从形象上理解，可以把深度学习当做一种“生产线”。对于机器学习框架中的Model而言，这条生产线使得一系列简单的函数集合 $f_1、f_2...f_n$ 串接成一整个相对复杂的函数，每一个函数都将前一个函数的输出为输入，加工后产生输出给下一个函数。

同时深度学习是一种端到端训练（End-to-end training），生产线每一阶段所做的加工并不是由人去定义好的，人只是给出输入和输出数据，计算机会自动学习出每个阶段应该如何加工。
深度学习概览

当前阶段，深度学习(Deep Learning)主要是指基于神经网络(Neural Network)的方法。

神经网络概览

上文所说的受到人脑运作方式的启发，就是在神经元细胞中，树突(们)接收来自其它树突的信号，经过加工处理后，通过轴突传导给其它神经元细胞。

首先来看我们的人工神经网络中，最基本的部件神经元（neuron）的定义。每个神经元都是一个简单的函数，输入是一个N维的向量x，输出是一个标量a。对于输入x中的每一维x_i都乘上对应的权重（weight）w_i，累加之后再加上一个偏置（bias），得到z，z又经过一个激励函数σ（Activation Function），得到的输出a = σ(z)。其中，最常用的激励函数是sigmoid函数 $σ(z) = \frac{1}{1+e^{-z}}$

neuron

将多个神经元串接到一起，就形成了一个神经网络。这个神经网络的目标，就是将N维的输入向量映射到M维的输出向量，即 $f: R^N ->R^M$ 。

神经网络结构图

如上图所示，我们可以看出神经网络分为三种层次：输入层(Input Layer)、隐藏层（Hidden Layer）、输出层(Output Layer)。其中隐藏层的每一层就相当于“生产线”的每一个阶段。

Layer1中的所有神经元都分别与输入的每一维 $x_1,x_2...x_N$ 建立连接，每根连接线都代表了不同的权重，神经元们各自按照上面的定义操作。该层所有神经元的输出作为下一层的输入，层层递进直到神经网络的最后一层，Layer L的M维输出 $y_1,y_2...y_N$ 就是这个神经网络的输出。“深度”二字由此而来。

深度学习的发展历史

深度学习在历史上经历了浮浮沉沉的过程。

1960年代因感知机（perceptron，即单层神经网络）而兴起。
1969年有人指出感知机的限制，渐渐不受人关注。
1980年代的多层感知机的出现使得深度学习重新流行。直到今天，DNN和彼时的多层感知机都没有本质区别，所以很多人不看好深度学习的原因之一就是没有根本性突破，还是在啃老本。
1986年Hinton提出反向传播BP算法，人们开始知道怎么训练多层感知机。可惜的是，当时多于3层的神经网络表现不佳（原因第3课会提）。
1989年有人提出一个隐藏层就足以完成任务，因此不必讲究“深度”，导致其沉默了相当长一段时间。
2006年Hinton大叔又提出了用RBM（限制玻尔兹曼机）做初始化，实现了当时深度学习的突破。
2009年随着硬件性能的提升，开始用GPU做运算
2011年深度学习在语音识别领域开始流行，2012年在图像领域取得优异成绩。
近年来越来越热门。

Deep vs Shallow

已有的定理：任何一个连续函数 $f: R^N ->R^M$ ，都可以用只有单个隐藏层的神经网络实现，只要该层的神经元够多。

既然如此，为什么我们要讲究多层的“深度”神经网络，而不是单层的“宽度”神经网络？

如图所示，在手写数字识别的实践中表明，当含有同样多的参数时，3层神经网络的效果要比1层神经网络的准确率高，因此为了得到相同的准确率，深层神经网络所需要训练的参数更少。

后面还提到了类比数字电路中，多层的逻辑门构建相同操作会更轻量级，这里就不再展开了。

总之，要达到相同的性能，深层神经网络所需要的参数更少、训练数据量也更少，因此不要把所有神经元堆在同一层。

三. 结构化学习的定义

在上述的深度学习中，输入和输出都只是向量或者矩阵，而现实中很多时候需要处理输入、输出都是结构化对象（语音、文字序列、图结构、树结构等）的情形。

应用情景：

信息检索（Information Retrieval）中，输入关键词“Machine Learning”，返回的输出结果是相关网页的一个列表；
机器翻译（Machine Translation）中，输入的一种序列式“Machine Learning and having it deep and structured”，输出的另一种翻译序列是“机器学习及其深层与结构化”；
语音识别（Speech Recognition）中，输入一段语音，输出识别的文字。
目标检测（Object Detection）中，输入一张图片或一段视频，输出要检测的目标的位置。