深度学习
文章平均质量分 67
SnowScholar
这个作者很懒,什么都没留下…
展开
-
人工智能、机器学习与深度学习
参考书籍《白话大数据与机器学习》高扬等人工智能是一个较宽泛的概念,旨在通过计算机实现类似人类的智能。机器学习是解决人工智能问题中的一个重要方法。深度学习是机器学习的一个分支,它在很多领域突破了传统机器学习的瓶颈,将人工智能推向了一个新高潮。 卡内基梅隆大学的Tom MichaelMitchell教授在《Machine learning》书中对机器学习给出比较专业的定义,业界原创 2017-05-31 19:41:08 · 3510 阅读 · 0 评论 -
深度学习的发展历程
要想学习深度学习这门技术,那么有必要对其发展作一定程度的了解。深度学习其实不是一门新技术,目前大家熟悉的“深度学习”基本上是深度神经网络的一个代名词,神经网络技术可追溯到1943年。深度学习之所以被人们认为是新技术,那是因为它在21世纪初并不流行。神经网络的发展不是一番风顺,它的发展经历了三个起落,也可分为三个阶段。第一阶段:受到人类大脑结构的启发,WarrenMcCulloch教授和Wa原创 2017-05-31 19:43:40 · 5251 阅读 · 0 评论 -
深度学习的应用
参考书籍《Tensorflow实战Google深度学习框架》郑泽宇等 深度学习最早兴起于图像识别,但是在短短的几年之内,深度学习推广到了机器学习的各个领域,并且都有很出色的表现。具体领域包含图像识别、语音识别、自然语言处理、机器人、生物信息处理、化学、电脑游戏、搜索引擎、网络广告投放、医学自动诊断和金融等各大领域均有应用。计算机视觉计算机视觉是深度学习技术最早实现突原创 2017-05-31 19:48:26 · 6133 阅读 · 0 评论 -
Tensorflow计算、数据和运行模型
Tensorflow是一款谷歌开源的深度学习工具,与其他深度学习工具(比如caffe、Deeplearning4j等)相比,其受关注度和欢迎程度尤为突出。在谷歌内部,Tensorflow已经广泛用于语音搜索、广告、电商、图片、街景图、翻译、Youtube等众多产品中。Tensorflow计算模型—计算图Tensorflow中一个重要的概念就是计算图,tensorflow中所有计算都会转化为原创 2017-05-31 21:00:48 · 3147 阅读 · 1 评论 -
神经网络前向传播算法
神经网络可以通过输入的特征向量经过层层推导得到最终输出,并通过这些输出结果来解决分类或者回归问题。实际上,神经网络是采用前向传播算法实现层层推导的。 神经网络的前向传播结果需要三部分信息。第一,神经网络的输入,即从实体中提取的特征向量;第二,神经网络的连接结构,其会给出不同神经元之间输入输出的连接关系,神经网络结构中每一个神经元代表一个节点;第三,每个神经元中的参数,包含权重 (表示第原创 2017-06-05 21:09:10 · 1296 阅读 · 0 评论 -
Tensorflow变量表示神经网络参数
上一部分我们讲到神经网络结构中每个神经元都有参数,那么这些神经网络参数该如何在Tensorflow中呈现呢?通常我们知道用变量可表示相应的参数,那么Tensorflow中变量(tf.Variable)与其它语言有何不同,它是如何实现神经网络参数的保存以及使用的呢?原创 2017-06-06 20:37:38 · 1673 阅读 · 0 评论