深度学习综述课件.ppt

《深度学习综述课件.ppt》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、深度学习1深度学习综述深度学习概述深度学习应用深度学习框架TensorFlow及其应用2深度学习概述深度学习概述深度学习的基本思想DeepLearning与NeutralNetwork深度学习训练过程3深度学习概述深度学习深度学习概述4例如视觉感知的例子，从开始的传感器中获取数据，然后通过预处理，特征提取，特征选择，在到推理、预测或识别。最后一个部分就是机器学习的部分。中间的三部分就是特征表达。这部分主要靠人工提取特征。机器学习解决图像识别等问题的思路5深度学习：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

2、特征，以发现数据的分布式特征表示。深度神经网络：含有多个隐层的神经网络深度学习基本概念6人脑视觉机理深度学习基本概念为什么使用层次网络7人脑视觉机理人的视觉机理的信息处理是分级的高层的特征是低层的组合，从低层到高层的特征越来越抽象，越来越能表现语义或意图抽象层面越高，存在的可能猜测就越少，就越利于分类。深度学习基本概念8深度学习的基本思想DeepLearning，我们需要自动地学习特征，假设我们有一堆输入I（如一堆图像或者文本），假设我们设计了一个系统S（有n层），我们通过调整系统中参数，使得它的输出仍然是输入I，那么

3、我们就可以自动地获取得到输入I的一系列层次特征，即S1，…,Sn。对于深度学习来说，其思想就是对堆叠多个层，也就是说这一层的输出作为下一层的输入。通过这种方式，就可以实现对输入信息进行分级表达了。9DeepLearning与NeutralNetwork深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习是无监督学习的一种。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形

4、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。10DeepLearning与NeutralNetwork11深度学习的训练过程第一步：使用自下而上非监督学习从底层开始，一层一层的往顶层训练，采用无标定数据（有标定数据也可）分层训练各层参数。第二步：自顶向下的监督学习这一步就是通过带标签的数据去训练，误差自顶向下传输，对网络进行微调，基于第一步得到的各层参数进一步微调整个多层模型的参数，这一步是一个有监督训练过程。深度学习的第一步实质上是一个网络参数初始化过程。区别于传统神经网络初值随机初始化，深度学习

5、模型是通过无监督学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果。12深度学习综述深度学习概述深度学习应用深度学习框架TensorFlow及其应用13深度学习应用在最近几年里，深度学习在语音识别、图像分类、文本理解等众多领域做出了巨大的贡献，逐渐形成了一种从训练数据出发，经过一个端到端（end-to-end）的模型，然后直接输出得到最终结果的一种新模型。深度学习让一些难得问题变得简单。14深度学习在农业方面的应用1）玉米籽粒完整性识别的深度学习方法[1]基于深度卷积神经网络的智能识别玉米籽粒

6、完整性方法。本网络结合池化和降采样操作，基于卷积原理构建。通过对直接输入的灰度图像进行卷积操作，逐层挖掘图像的深层特征，实现对单玉米籽粒图像的特征抽象和特征降维，在通过一个全连接网络15玉米籽粒完整性识别的深度学习方法下图为BP网络识别原理：16玉米籽粒完整性识别的深度学习方法下图为CNN网络识别原理：CNN网络识别原理CNN网络直接以图像作为输入，这使得CNN网络受人工干预更少。卷积：通过卷积操作，CNN网络能自动抽象和提取图像的特征。降采样：是对输入图像进行降维，可通过池化和等间隔采样的图像缩小来实现。17玉米籽粒

7、完整性识别的深度学习方法CNN网络的输入图像是基于单籽粒的图像，需要对多籽粒的图像进行分割和提取。18玉米籽粒完整性识别的深度学习方法BP神经网络训练误差变化曲线BP神经网络训练结果如下所示：BP网络错误识别的样本使用456个测试样本对以训练好的BP神经网络进行测试，识别错误样本有128个，得到的识别率为71.93%。训练误差为0.12219玉米籽粒完整性识别的深度学习方法经过3040个训练样本训练CNN深度网络，CNN训练误差的变化曲线如下所示：CNN训练误差变化曲线CNN深度网络达到的训练精度为91.76%。用45

8、6个测试样本对本网络进行测试，识别错误样本有17个，得到的精度为96.271%。CNN深度神经网路的识别准确率还挺高。CNN网络错误识别的样本20深度学习在农业方面的应用2）InferenceofPlantDiseasesfromLeafImagesthroughDeepLearning[2]本论文主要是通过深度学习方法来图像识别