簡介
深度學習是機器學習領域中一個比較年輕的研究方向,“深度”是相對于傳統的分類、回歸等“淺層學習”方法而言的,提升了淺層學習方法對復雜分類問題的泛化能力,其層次結構一般由輸入層、隱層和輸出層組成。
主要應用
- 語音識別
- 圖像識別
- 自然語言
經典算法
- 卷積神經網絡(CNNs)
- 深度置信網絡(DBN)
總結:
近年來,深度學習方法基于其算法特點受到越來越多的關注,但仍然面臨理論、建模、工程實現等方面上的挑戰,還需進一步發展和優化,才能得到更廣泛的應用。
深度學習是機器學習領域中一個比較年輕的研究方向,“深度”是相對于傳統的分類、回歸等“淺層學習”方法而言的,提升了淺層學習方法對復雜分類問題的泛化能力,其層次結構一般由輸入層、隱層和輸出層組成。
近年來,深度學習方法基于其算法特點受到越來越多的關注,但仍然面臨理論、建模、工程實現等方面上的挑戰,還需進一步發展和優化,才能得到更廣泛的應用。