计算机新技术深度学习

《计算机新技术深度学习》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、计算机新技术概论之深度学习技术DeepLearning主要内容4.深度学习的应用3.深度学习的典型模型与方法1.百度大脑中的深度学习2.深度学习简介5.深度学习的意义与展望百度大脑百度打造最大计算机大脑baidueyeBaidueye宣传片百度“慧眼识花”宣传片“百度识图”app与中国科学研究院专家的花卉识别准确率进行PK百度大脑——百度识图人脸搜索↖百度大脑——图片搜索相似图像搜索：百度大脑——百度魔图单日最高上载9000张图片，在IOSAPP排名榜总榜排名第一长达3周之久。百度大脑——OCR文字识别百度大脑——百度翻译打开百度翻译App实物翻译

2、功能，对着物体拍张照，就能迅速识别并翻译成英文。百度大脑——拍照实物搜索百度大脑——百度钱包百度全新研发出“拍照付”功能，将植入“百度钱包”，成为接棒“二维码”的移动支付方式。目前“拍照付”在平面广告类的识别率高达90％。百度大脑——广告搜索百度大脑——广告搜索百度大脑OCR识别图像识别人脸识别语音识别助力大数据应用推理预测图像搜索和网页搜索←→↑↓↙↘百度大脑百度大脑百度创始人李彦宏对外披露，百度目前正在推进一个名为“百度大脑”的项目，利用计算机技术模拟人脑，已经可以做到2-3岁孩子的智力水平。百度大脑的定义：从功能上来定义可以说它是以大规模机器学

3、习和深度学习为基础的人工智能在搜索引擎中的应用，旨在优化搜索业务和提升用户体验。百度大脑能做什么提高语音识别、图像搜索准确率，助力大数据应用推理预测等；怎么做模仿人类大脑的神经网络，通过多层次的网络模型结构认知事物；前景几何人工智能技术得到全世界互联网巨头青睐，成为衡量科技创新能力的重要标志。深度学习深度学习简介深度学习：一种基于无监督特征学习和特征层次结构的学习方法。定义：为什么要自动学习特征良好的特征表达，对最终算法的准确性起了非常关键的作用；识别系统主要的计算和测试工作耗时主要集中在特征提取部分；特征的样式目前一般都是人工设计的，靠人工提取特征

4、，而深度学习中特征是自动学习的。Low-levelsensingPre-processingFeatureextract.FeatureselectionInference:prediction,recognition传统的模式识别方法：为什么要自动学习特征机器学习中，获得好的特征是识别成功的关键目前存在大量人工设计的特征，不同研究对象特征不同，特征具有多样性,如：SIFT,HOG,LBP等手工选取特征费时费力，需要启发式专业知识，很大程度上靠经验和运气是否能自动地学习特征？连续平行连接拐角物体部件:他们对于人工而言是十分困难的，那么如何学习呢？为什

5、么要自动学习特征中层特征中层信号“Tokens”fromVisionbyD.Marr:为什么要自动学习特征一般而言，特征越多，给出信息就越多，识别准确性会得到提升；但特征多，计算复杂度增加，探索的空间大，可以用来训练的数据在每个特征上就会稀疏。结论：不一定特征越多越好！需要有多少个特征，需要学习确定。为什么要采用层次网络结构人脑视觉机理1981年的诺贝尔医学奖获得者DavidHubel和TorstenWiesel发现了视觉系统的信息处理机制。发现了一种被称为“方向选择性细胞的神经元细胞，当瞳孔发现了眼前的物体的边缘，而且这个边缘指向某个方向时，这种神

6、经元细胞就会活跃。为什么要采用层次网络结构人脑视觉机理人的视觉系统的信息处理是分级的高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图抽象层面越高，存在的可能猜测就越少，就越利于分类为什么要采用层次网络结构SpeechImage特征的逐层提取为什么要采用层次网络结构视觉的层次性属性学习，类别作为属性的一种组合映射图像特征类别标签属性为什么要采用层次网络结构特征表示的粒度具有结构性（或者语义）的高层特征对于分类更有意义为什么要采用层次网络结构初级（浅层）特征表示高层特征或图像，往往是由一些基本结构（浅层特征）组成的为

7、什么要采用层次网络结构结构性特征表示深度学习2006年，加拿大多伦多大学教授、机器学习领域的泰斗GeoffreyHinton在《科学》上发表论文提出深度学习主要观点：1）多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类；2）深度神经网络在训练上的难度，可以通过“逐层初始化”（layer-wisepre-training）来有效克服，逐层初始化可通过无监督学习实现的。深度学习2013年4月，《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术之首。深度学习本质：通过构建多隐层的模型和海

8、量训练数据（可为无标签数据），来学习更有用的特征，从而最终提升分类或预测的准确性。“深度模型”是手段，“特征