探索深度学习：意义、示例和应用

msttamannakhatu

这篇文章旨在了解深度学习（机器学习的“最深”分支） ：它是如何工作的、它在日常生活中的应用以及它在人工智能领域提供的机会。 深度学习是什么意思？ 深度学习（ Deep Learning） ，意大利语叫深度学习，是机器学习最先进的分支。它是一组基于不同层组织的人工神经网络的技术：每一层计算下一层的值，以便以越来越完整的方式处理信息。 有了足够多的数据，系统就能够学习正确的表示并解决机器学习问题，而无需像传统机器学习技术那样进行数据预处理。 换句话说，深度学习是一种学习技术，将人工神经网络暴露于大量数据中，以便它们能够学习执行任务。 深度学习如何运作？ 尽管深度学习技术是“技术上的新技术”，但其根源可追溯至过去，更准确地说是在人工神经网络领域。多层人工神经网络早在 20 世纪 80 年代就已开始研究，但直到最近十年才能够在广泛的应用中展示其有用性。


深度学习的成功是由于一些因素有助于填补一些过去无法 荷兰手机号码列表 达到预期结果的领域的空白（例如缺乏足够的数据和足够的计算能力），例如： 可用数据的增加，目前已达到非常高的数量； 基于GPU （图形处理单元）的高性能并行计算系统的开发； 优化神经网络的训练方法，使它们能够更好地解决过去阻碍研究人员获得有意义结果的问题。 因此，深度学习是人工智能领域成功的主要来源之一。得益于能够自动分析图像、视频、音频或时间序列等数据的人工神经网络，该领域正在经历多年的快速进步，甚至在许多情况下超越了人类的表现。 了解深度学习神经网络如何识别图像的内容 深度学习和机器学习有什么区别？ 深度学习与机器学习没有什么不同。如前所述，深度学习是更广泛的机器学习（或机器学习）方法家族的一部分。机器学习是现代社会许多方面的基础：从网络搜索到社交网络上的内容过滤，再到电子商务网站上的推荐。






最近，它在相机和智能手机等消费电子产品中也越来越普遍。机器学习系统可以实现以下功能： 识别图像中的物体； 将语音转录为文本； 选择在线用户的兴趣； 定义与其搜索最相关的结果。 正是在这些应用中使用了深度学习技术。 深度学习在人工智能领域的常见应用有哪些？ 就深度学习技术的应用领域而言，我们可以列出一些主要的领域： 图像分类（请参阅有关计算机视觉的更多信息）； 语言识别和处理（请参阅自然语言处理的更多信息）； 自动驾驶（例如交通标志识别、行人检测）； 媒体和娱乐（例如实时翻译、视频字幕）； 安全（例如视频监控、面部识别） 医学诊断（例如癌细胞或药物的检测）。 这些解决方案不仅促进了人工智能的总体发展，而且还促进了一些成功商业解决方案的开发。 “强化”深度学习 深度学习算法还在强化学习（强化学习，后者旨在评估系统性能）中的顺序决策问题领域找到了应用。 这带来了成功的结果，比如谷歌 Deepmind开发的AlphaGo，这款软件能够在 2016 年击败世界围棋冠军，比专家的预测提前了几年。另一方面，较新的DeepNash多智能体系统已经学会了玩