网络过滤,机器翻译,生物信息学,药物设计,医学图像分析等领域。 材料检
查和棋盘游戏程序,它们产生的结果可与人类专家相媲美,在某些情况下优于
人类专家。深度学习模型受到生物神经系统中信息处理和通信模式的模糊启发,
但与生物大脑(尤其是人类大脑)的结构和功能特性存在各种差异,这使得它
们与神经科学证据不相容。
深度学习的本质是通过构建具有很多隐层的机器学习模型和海量的训练数
据,来自动学习隐藏的有用特征,从而提升分类或预测的自动化与准确性。深度
模型是手段,特征学习目的。区别于传统的浅层学习,深度学习的特点在于:①
强调了模型结构的深度,通常有五层、六层,甚至十多层的隐层节点;② 明确突
出了特征自动学习的重要性,也就是说,通过逐层特征变换,将样本在原空间的
特征表示变换到一个新特征空间,从而使分类或预测更加容易。与人工规则构造
特征(硬编码,如专家库)的方法相比,利用大数据来自动学习特征,更能够刻画数
据的丰富内在信息。如下图,将深度学习分成三步:匹配一系列函数、优化函
数和最优函数。
评论0
最新资源