當(dāng)前位置：新聞動(dòng)態(tài)>技術(shù)分享>新聞?wù)?/span>
2018-06-23/技術(shù)分享
深度學(xué)習(xí)是指多層神經(jīng)網(wǎng)絡(luò)上運(yùn)用各種機(jī)器學(xué)習(xí)算法解決圖像，文本等各種問題的算法集合。深度學(xué)習(xí)從大類上可以歸入神經(jīng)網(wǎng)絡(luò)，不過在具體實(shí)現(xiàn)上有許多變化。深度學(xué)習(xí)的核心是特征學(xué)習(xí)，旨在通過分層網(wǎng)絡(luò)獲取分層次的特征信息，從而解決以往需要人工設(shè)計(jì)特征的重要難題。深度學(xué)習(xí)是一個(gè)框架，包含多個(gè)重要算法:
Convolutional Neural Networks(CNN)卷積神經(jīng)網(wǎng)絡(luò)
AutoEncoder自動(dòng)編碼器
Sparse Coding稀疏編碼
Restricted Boltzmann Machine(RBM)限制波爾茲曼機(jī)
Deep Belief Networks(DBN)深信度網(wǎng)絡(luò)
Recurrent neural Network(RNN)多層反饋循環(huán)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)
對(duì)于不同問題(圖像，語音，文本)，需要選用不同網(wǎng)絡(luò)模型才能達(dá)到更好效果。
此外，最近幾年增強(qiáng)學(xué)習(xí)(Reinforcement Learning)與深度學(xué)習(xí)的結(jié)合也創(chuàng)造了許多了不起的成果，AlphaGo就是其中之一。
深度學(xué)習(xí)的許多研究成果，離不開對(duì)大腦認(rèn)知原理的研究，尤其是視覺原理的研究。
1981 年的諾貝爾醫(yī)學(xué)獎(jiǎng)，頒發(fā)給了 David Hubel（出生于加拿大的美國神經(jīng)生物學(xué)家） 和TorstenWiesel，以及 Roger Sperry。前兩位的主要貢獻(xiàn)，是“發(fā)現(xiàn)了視覺系統(tǒng)的信息處理”，可視皮層是分級(jí)的。
人類的視覺原理如下：從原始信號(hào)攝入開始（瞳孔攝入像素 Pixels），接著做初步處理（大腦皮層某些細(xì)胞發(fā)現(xiàn)邊緣和方向），然后抽象（大腦判定，眼前的物體的形狀，是圓形的），然后進(jìn)一步抽象（大腦進(jìn)一步判定該物體是只氣球）。下面是人腦進(jìn)行人臉識(shí)別的一個(gè)示例：
對(duì)于不同的物體，人類視覺也是通過這樣逐層分級(jí)，來進(jìn)行認(rèn)知的：
我們可以看到，在最底層特征基本上是類似的，就是各種邊緣，越往上，越能提取出此類物體的一些特征（輪子、眼睛、軀干等），到最上層，不同的高級(jí)特征最終組合成相應(yīng)的圖像，從而能夠讓人類準(zhǔn)確的區(qū)分不同的物體。那么我們可以很自然的想到：可以不可以模仿人類大腦的這個(gè)特點(diǎn)，構(gòu)造多層的神經(jīng)網(wǎng)絡(luò)，較低層的識(shí)別初級(jí)的圖像特征，若干底層特征組成更上一層特征，最終通過多個(gè)層級(jí)的組合，最終在頂層做出分類呢？答案是肯定的，這也是許多深度學(xué)習(xí)算法（包括CNN）的靈感來源。
更多新聞
