深度学习的发展历程（思维导图、时间轴）

最新推荐文章于 2024-07-26 11:20:54 发布
最新推荐文章于 2024-07-26 11:20:54 发布
阅读量1.9k 收藏 10
点赞数 1
分类专栏： deep learning
原文链接：https://blog.csdn.net/weixin_41171061/article/details/106039242?utm_term=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E5%8F%91%E5%B1%95%E8%BF%87%E7%A8%8B&utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~
版权

事实上，很多PGM也可从神经网络的方面来解释。尤其是VAE，它可看做二类的混合模型。
当PGM的层太多时，学习和推断都很难。因此，Deep learning往往偏向于指代Deep neural network。

从感知机到深度学习

目前所说的深度学习实际上多指2006年开始的一系列模型。
深度学习大火的原因：

  1. 逐渐增加的数据量
  2. 并行计算、分布式系统的发展
  3. 硬件GPU等的发展
  4. 最重要的是，其效果好，优于之前大火的SVM
Cynthia小阁
关注
专栏目录
深度学习发展的时间轴绘制图.vsdx
05-12
资源为本人使用Visio绘制的【深度学习发展的时间轴】。支持修改！详情可见https://blog.csdn.net/weixin_41171061/article/details/106039242
一文看懂深度学习发展史和常见26个模型
AI科技大本营
03-27 3617
参加 2019 Python开发者日，请扫码咨询 ↑↑↑来源|AI部落联盟（ID：AI_Tribe）作者简介：沧笙踏歌，硕士毕业于北京大学，目前计算机科学与技术博士在...
深度学习历史图
技术笔记本
01-16 1125
深度学习思维导图整理（架构/模型/函数/应用领域）
xiongxiaoxuan的博客
07-26 1176
PS：可以使用任何思维导图工具（如MindNode、XMind、MindMeister等）将上述内容转换为图形化的思维导图。这样可以更直观地展示深度学习相关的架构和模型。
梳理百年深度学习发展史-七月在线机器学习集训营助你把握深度学习浪潮
weixin_30567225的博客
03-12 1734
作为机器学习最重要的一个分支，深度学习近年来发展迅猛，在国内外都引起了广泛的关注。然而深度学习的火热也不是一时兴起的，而是经历了一段漫长的发展史。接下来我们了解一下深度学习的发展历程。 1. 深度学习的起源阶段 图1“AI之父”马文·明斯基 1943年，心里学家麦卡洛克和数学逻辑学家皮兹发表论文《神经活动中内在思想的逻辑演算》，提出了MP模型。MP模型是模仿神经元的结构和工作原理，构成出的...
2024年从零学习AI和深度学习Transformer的路线图（非常详细）零基础入门到精通，收藏这一篇就够了
Python_0011的博客
06-12 2164
首先是代码，然后是理论。建议读者先看代码，后学理论~我出于需要还是喜欢学习？如果我要解决某件问题，我会广泛获取所需的信息、研究、理解它，然后采取行动。例如，我的目标是复现最新的模型（如盘古模型），这涉及到从头开始编写 Transformer 代码以及在 GPU 上微调的技能。我现在做不到这一点，因为在我的知识，我的目标是填补这些空白。或者你以 NLP 为重点；如果您正在寻找其他人工智能应用，例如计算机视觉或强化学习，可以在公众号下面发表评论或私信我，我会给你一些建议。
【人工智能绪论】深度学习的发展历史
十二月的猫
03-26 1745
从深度学习模型历史发展的路线
深度学习路线图参考
My Honor！ My World！
08-24 3155
1、机器学习/深度学习/自然语言处理学习路线 http://www.cnblogs.com/cyruszhu/p/5496913.html2、深度学习论文阅读路线图 Deep Learning Papers Reading Roadmap https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap
深度学习最常见的 26 个模型汇总，请务必掌握！
热门推荐
weixin_33671935的博客
12-17 1万+
点击上方“AI有道”，选择“置顶”公众号重磅干货，第一时间送达本文转载自公众号：AI部落联盟（AI_Tribe）本文首先从4个方面（张量、生成模型、序列学习、深度强化学习...
深度学习系列：1.1 深度学习介绍与发展历史 2.2 神经网络简介 3.3 BP算法及反向传播 4.4 CNN
AI天才研究院
09-03 1265
作者：禅与计算机程序设计艺术 1.简介 1.1 深度学习介绍与发展历史 深度学习（Deep Learning） 是人工智能领域的一个重要分支，它提出了基于多层次抽象的理论和方法，并在图像识别、语言理解、语音识别等
全网最新！| 深度学习发展史（1943-2024编年体）（The History of Deep Learning）
机器学习，生物信息学学习笔记。linux和python技巧分享。
05-20 5883
深度学习是人工智能领域的一个重要分支，它在图像识别、语音识别、自然语言处理等方面取得了显著的进展。学习任一门知识都应该先从其历史开始，把握了历史，也就抓住了现在与未来 。那么深度学习到底是经历了一段怎样的发展过程呢？下面我们就来了解一下深度学习发展史。
深度学习发展历程（2012年以前）
xiaoou的博客
10-19 9312
机器学习 计算机利用已有的数据，得出了某种模型，并利用此模型预测未来的一种方法。它是人工智能领域的一个小分支，如果说AI是一个合集，那么ML就是AI的子集。任何通过数据训练的学习算法的相关研究都属于机器学习，包括很多已经发展多年的技术，比如线性回归（Linear Regression）、logistic回归、K均值（K-means，基于原型的目标函数聚类方法）、决策树（Decision Trees...
深度学习基础概念思维导图
04-09
这份"深度学习基础概念思维导图"旨在为初学者提供一个清晰的学习路径，帮助他们快速理解和掌握深度学习的基本概念。 首先，深度学习的核心概念包括神经网络、层、节点（或称为神经元）以及权重。神经网络是由多个...
深度强化学习基础知识 思维导图
05-15
思维导图根据王树森老师课件整理。 主要包括： 强化学习基本概念 基本方法（Value-Based、Policy-Based、Actor-Critic） 策略学习（Reinforce with baseline、A2C） 价值学习（Sarsa、Q-Learning（DQN）） 连续动作...
机器学习和深度学习思维导图
01-17
思维导图，适合学习并且帮助我们入门深度学习和机器学习。
深度学习之思维导图
01-08
本文的“深度学习之思维导图”旨在提供一个全面而直观的理解框架，帮助学习者系统地掌握深度学习的核心概念、架构和优化方法。 首先，思维导图会从基础概念出发，包括机器学习的基本原理，如监督学习、无监督学习和...
深度学习的简单思维导图
最新发布
09-03
深度学习的简单思维导图
人工智能深度学习发展历程-纪年录
qq_55542491的博客
02-02 615
为了理解模型之间的改进关系、明确深度学习的发展目标、提高自身对模型的深度理解、贯彻爱与和平的理念。总之，我做了如下表格。时间重大突破模型改进详细信息1847SGD随机梯度下降1995SVM支持向量机1982RNN循环神经网络，序列模型1986反向传播1997LSTM长短期时间记忆1998Lenet-5首次 应用于手写识别2001随机森林2010ReLUrelu激活函数，解决梯度消失2012Dropout减少过拟合AlexNet首次CNN分类，
机器学习的发展历程（思维导图、时间轴
04-23
机器学习的发展历程可以分为以下几个阶段： 1. 1950s-1960s：符号主义时代 - 该时期的机器学习主要关注于基于逻辑和符号推理的人工智能研究。 - 代表性的工作包括逻辑推理、专家系统等。 2. 1980s-1990s：连接主义时代 - 连接主义是一种基于神经网络的机器学习方法。 - 该时期的机器学习研究集中在神经网络的训练和学习算法上。 - 代表性的工作包括反向传播算法、Hopfield网络等。 3. 1990s-2000s：统计学习时代 - 统计学习是一种基于统计模型和概率论的机器学习方法。 - 该时期的机器学习研究关注于概率模型、贝叶斯推断等统计方法。 - 代表性的工作包括支持向量机、隐马尔可夫模型等。 4. 2000s-至今：深度学习时代 - 深度学习是一种基于多层神经网络的机器学习方法。 - 该时期的机器学习研究集中在深度神经网络的训练和学习算法上。 - 代表性的工作包括卷积神经网络、循环神经网络等。 思维导图如下： ``` 机器学习的发展历程 ├─ 1950s-1960s：符号主义时代 │ ├─ 逻辑推理 │ └─ 专家系统 ├─ 1980s-1990s：连接主义时代 │ ├─ 神经网络 │ └─ 反向传播算法 ├─ 1990s-2000s：统计学习时代 │ ├─ 支持向量机 │ └─ 隐马尔可夫模型 └─ 2000s-至今：深度学习时代 ├─ 深度神经网络 ├─ 卷积神经网络 └─ 循环神经网络 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值