摘要:随着大数据时代的到来,以神经网络为基础的深度学习迎来春天,世界各地深度学习研究所,研究项目如雨后春笋。一种并非全新却会令世界都会改变的新技术正在渐渐的成熟,走进我们的视野。它的出现使人工智能得到飞跃性的发展[1]。深度学习是近几年人工智能领域颇具影响力和代表性的技术之一。本文从深度学习的发展历程,深度学习的技术实现和存在的问题,以及展望和它对社会的影响进行报告。
正文:一、发展历程
1.基础
深度学习的基础是神经网络NN(Neural Network),神经网络最早出现在上世纪40年代。早在1943年神经生物学家家 warren Sturgis McCulloch和数学家Walter Potts提出一种极为简单的神经元模型神经元的阈值元件模型,简称M-P模型。该模型采用数理模型的方法对人脑进行模拟,用逻辑运行的网络模拟大脑。为神经网络的发展奠定基础。
2.首次高潮
而神经网络真正引起重视是在1958年,Frank Rosenblatt通过增加学习机制,推广了M-P模型,并首次将神经网络理论付诸工程实现,制造了叫做“感知器”的神经网络计算机,并从理论上证明了单层神经网络处 理线性可分分类问题的收敛性[2]。在1962年,Rosenblatt总结了他的研究成果,并出版了《神经动力学原 理:感知机和大脑机制的理论》[3]一书。他的研究成果引起了美国军方的极大兴趣。美国军方甚至认为神经网络工程比原子弹工程更加重要,因此不惜投入重金,大力资助了Rosenblatt的工作,并掀起了神经网络的 首次高潮.
3.再次高潮
1982年美国生物物理学家JohnJ. Hopfield采用了新型的全互联