深度學習的概念源于人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。
深度學習的概念由Hinton等人于2006年提出。基于深信度網(DBN)提出非監(jiān)督貪心逐層訓練算法，為解決深層結構相關的優(yōu)化難題帶來希望，隨后提出多層自動編碼器深層結構。此外Lecun等人提出的卷積神經網絡是第一個真正多層結構學習算法，它利用空間相對關系減少參數(shù)數(shù)目以提高訓練性能。
深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本。
同機器學習方法一樣，深度機器學習方法也有監(jiān)督學習與無監(jiān)督學習之分.不同的學習框架下建立的學習模型很是不同.例如，卷積神經網絡(Convolutional neural networks，簡稱CNNs)就是一種深度的監(jiān)督學習下的機器學習模型，而深度置信網(Deep Belief Nets，簡稱DBNs)就是一種無監(jiān)督學習下的機器學習模型。
深度學習.docx 點擊下載
佛山市新東方電子技術工程有限公司©版權所有 保留所有權利 粵ICP備05055185號 技術支持：鳳星科技
掃描二維碼微信咨詢
0757-83352018
