雲上的記憶
1，關於深度學習
深度學習（ Deep Learning )，這是一個在近幾年火遍各個領域的詞彙，似乎所有的算法只要跟它扯上關係，瞬間就顯得高大上起來。但其實，從 2006 年辛頓提出深度網絡和深度學習的概念到如今，深度學習的發展也才僅僅 12年。深度網絡和深度學習的出現，使得神經網絡開始煥發一輪新的生機，並掀起了第二次機器學習的學習浪潮。
在2013年1月，百度宣佈成立首個研究院，其中第一個重點方向就是深度學習；2013年4月，麻省理工學院《技術評論》雜誌將深度學習列為2013年十大突破性技術之首。可以說，深度學習帶來了機器學習的新浪潮，推動了大數據 + 深度模型時代的來臨，也推動了人工智能和人機交互大踏步前進。
2，簡單理解深度學習
在解釋深度學習之前，我們需要理解什麼是機器學習。機器學習是人工智能的一個分支，很多時候幾乎成為人工智能的代名詞。簡單來說，機器學習就是通過算法，使得機器能從大量歷史數據中學習規律，從而對新的樣本做智能識別或對未來做預判。從20世紀80年代末，機器學習的發展大致經歷了兩次浪潮：淺層學習和深度學習。
而深度學習的本質，就是通過構建具有很多很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特徵，從而最終提升分類或預測的準確性。所以「 深度模型 」是手段，「表示學習」才是目的。深度學習與傳統的淺層學習的不同在於：1. 強調了模型結構的深度，通常有5層或6層，甚至10多層的隱層節點；2. 明確突出了表示學習的重要性，也就是說，通過逐層特徵變換，將樣本在原空間的特徵表示變換到一個新特徵空間，使分類或預測更加容易。
3，深度學習，大數據時代的人工智能新途徑
目前人工智能在圖像識別、語音識別和自然語言處理這些領域的能力已經接近或達到人類的水平，使機器像我們人一樣能「看 」，能「聽 」，能「說 」。除此之外，我們更希望深度學習在普通人類不擅長的信息處理領域大顯神威，小到天氣預測、股票預測，大到歷史和社會的發展姿態分析和預測，甚至科學知識的發現。我認為在這些領域獲得突破的意義更大，因為人工智能的終極目標不是模仿人類，而是超越人類。
stormzhang
深度學習，不是一般性的學習，在認真學習的基礎，有針對性學習，把個人或單位的問題擺進去，結合實際，有什麼問題解決什麼向題，理論與實際問題相結合做到知行合一，通過學習討論，存在什麼向題，進行對照反省錯在那裡？為什麼會犯錯誤？本根原因在哪裡？又如何來改正？今後如何來防止類似的重犯錯誤？怎麼防範法？要學會結果，解決向題，明確方向。提高工作效率，做出更大的成績。要學出效果，學出精神，提升戰鬥力，向中央看齊。這就是學習的目的，也是深度學習的過程，防止走過場，形式主義，學習要達到出汗，刮骨，療傷，治病救人的目。
分享到:
