一、深度学习
1.1 人工智能
1.2 人工智能,机器学习和深度学习的关系
机器学习是实现人工智能的一种途径,深度学习是机器学习的一个子集,也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示[参考:黑马]:
- 传统机器学习算术依赖人工设计特征,并进行特征提取
- 深度学习方法不需要人工,而是依赖算法自动提取特征
深度学习模仿人类大脑的运行方式,从经验中学习获取知识。这也是深度学习被看做黑盒子,可解释性差的原因。随着计算机软硬件的飞速发展,现阶段通过深度学习来模拟人脑来解释数据,包括图像,文本,音频等内容。目前深度学习的主要应用领域有: 语音识别,计算机视觉,自动驾驶
卷积神经网络(Convolutional Neural Network)
循环神经网络(Recurrent Neural Network)生成对抗网络(Generative Adversarial Networks)
深度强化学习(Deep Reinforcement Learning)
1.3 深度学习发展
- 深度学习所需要的神经网络技术起源于20世纪50年代,叫做感知机。
当时也通常使用