【5A文】深度学习—走进人工智能时代.pptx

【5A文】深度学习—走进人工智能时代.pptx

ID:33348149

大小:4.07 MB

页数:23页

时间:2019-02-24

【5A文】深度学习—走进人工智能时代.pptx_第1页
【5A文】深度学习—走进人工智能时代.pptx_第2页
【5A文】深度学习—走进人工智能时代.pptx_第3页
【5A文】深度学习—走进人工智能时代.pptx_第4页
【5A文】深度学习—走进人工智能时代.pptx_第5页
资源描述:

《【5A文】深度学习—走进人工智能时代.pptx》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、FUTUREDeeplearning,takeusintotheeraofartificialintelligence深度学习——走进人工智能时代汇报人:张欢2017年11月09日darren1921@163.com目录contents01人工智能与深度学习02深度学习的概述03深度学习的实现04深度学习的发展人工智能与深度学习Artificialintelligenceanddeeplearning01现代制造技术教育部重点实验室目前人工智能在各个领域的初创公司数量(2016年的数据):Deeplearning/机器学习(383家公

2、司)NLP(NaturalLanguageProcessing)(232家公司)计算机视觉/图像识别(通用)(189家公司)手势控制(33家公司)虚拟个人助理(92家公司)智能机器人(65家公司)推荐系统(60家公司)Contextawarecomputing(28家公司)语音即时翻译(15家公司)视频识别(14家公司)人工智能应用领域现代制造技术教育部重点实验室基本逻辑关系与发展历程ARTIFICIAL人工智能INTELLIGENCEEarlyartificialintelligencestirsexcitement.MACHINE

3、机器学习LEARNINGMachinelearningbeginstoflourish.DEEPLEARNINGDeeplearningbreakthroughsdriveAIboom.深度学习1950’s1970’s1960’s1980’s1990’s2000’s2010’s基本概念现代制造技术教育部重点实验室人工智能(ArtificialIntelligence)是研究如何使机器模拟人类的思维过程、学习、思考、推理和规划等行为,并利用其解决问题的一门综合性学科,它主要实现计算机代替人处理某些较复杂、危险或人完成不了的工作,进而提高

4、工作或生产的效率。AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,asmeasuredbyP,improveswithexperienceE.深度学习的概念源于人工神经网络的研究,深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。现代制造技术教育部重点实验室AlphaGo2016年3月9日-2016

5、年3月15日,AlphaGo以4:1战胜李世石。2016年9月Google宣布即将把支持AlphaGo赢得围棋人机大战的深度神经网络应用于Google翻译中,该系统仅应用于中文到英文的语言翻译。2017年1月5日,AlphaGo击败古力九段。2017年5月27日,中国围棋峰会人机大战,3:0战胜中国棋手柯洁。2017年10月19日凌晨,在国际学术期刊《自然》上发表的一篇研究论文中,谷歌下属公司Deepmind报告新版程序AlphaGoZero:从空白状态学起,在无任何人类输入的条件下,它能够迅速自学围棋,并以100:0的战绩击败“前辈

6、”。——(reinforcementlearning)深度学习的概述Overviewofdeeplearning02现代制造技术教育部重点实验室深度学习的概述人脑的视觉机理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,他们发现了一种被称为“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,这种神经元细胞就会活跃。现代制造技术教育部重点实验室深度学习的概述由此可知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

7、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。现代制造技术教育部重点实验室深度学习的概述受到大脑结构分层的启发,神经网络的研究发现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;而深度神经网络在训练上的难度,可以通过“逐层初始化”来有效克服。深度学习可以通过学习一种深层非线性网络结构,实现复杂函数逼近,表征输入数据分布式表示,并展现了强大的从少数样本中集中学习数据及本质特征的能力。机器学习模型海量训练数据现代制造技术教育部重点实验室深

8、度学习的实质学习分类、诊断或预测特征、经验深度学习的实现Realizationofdeeplearning03深度学习的实现限制波尔兹曼机(RestrictedBoltzmannMachine)玻尔兹曼机(Boltzma

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。