全文预览

深度学习基本理论及应用

上传者:科技星球 |  格式:ppt  |  页数:42 |  大小:10289KB

文档介绍
2.11微软智能同声传译概述2013年1月,在百度的年会上,创始人兼CEO李彦宏高调宣布要成立百度研究院,其中第一个重点方向就是深度学习,并为此而成立InstituteofDeepLearning(IDL)。这是百度成立十多年以来第一次成立研究院。2013年4月,《麻省理工学院技术评论》杂志将深度学习列为2013年十大突破性技术(BreakthroughTechnology)之首。百度首席科学家吴恩达2014年12月19日表示,百度在深度学习领域的发展已经超过了谷歌与苹果,如果这项技术真具有划时代的革命意义,那么百度就此开启并且引领了语音2.0时代,也即是人工智能时代的一个重要分支,改变搜索,更改变交互。概述全球爆发人工智能产业浪潮概述三大因素推劢人工智能快速发展概述当前处亍行业应用大规模起量阶段深度学习简介识别系统主要的计算和测试工作耗时主要集中在特征提取部分;特征的样式目前一般都是人工设计的,靠人工提取特征;手工选取特征费时费力,需要启发式专业知识,很大程度上靠经验和运气;不能够自动地学习特征Low-levelsensingPre-processingFeatureextract.FeatureselectionInference:prediction,recognition传统的模式识别方法(浅层学习):深度学习简介传统的模式识别方法(如BP算法)如BP算法,随机设定初值,计算当前网络的输出,然后根据当前输出和样本真实标签之间的差去改变前面各层的参数,直到收敛比较容易过拟合,参数比较难调整,而且需要不少技巧;训练速度比较慢,在层次比较少(小于等于3)的情况下效果并不比其它方法更优;反馈调整时,梯度越来越稀疏,从顶层越往下,误差校正信号越来越小;收敛易至局部最小,由于是采用随机值初始化,当初值是远离最优区域时易导致这一情况;需要有标签数据来训练,但大部分数据是无标签的;

收藏

分享

举报
下载此文档