深度学习介绍

一、基本概念

        1.所有深度学习都是机器学习

        2.深度学习过程中,每一层神经网络都对输入数据进行了处理,从而学习到数据特征和模式

        3.深度学习关键" 反向传播 ", 它通过计算损失函数, 将误差反馈给每一层网络,来调整每层的权重 

        4."特征学习"概念,深度学习模型可以自动发现和利用数据中的有用特征,无需人工介入.

        5.深度学习的成功依赖大量的数据和强大的计算能力

二、使用场景

        1.图像识别和处理

        2.NLP自然语言处理

        3.音频处理

        4.视频分析

        5.游戏和仿真

        6.金融医药

三、算法

        1.卷积神经网络CNN

        2.循环神经网络RNN及其变体 LSTM、GRU

        3.Transformer架构

        4.自编码器Autoencoders

        5.生成对抗网络GANs