- 1、本文档共46页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
A Tutorial on Deep Learning;2;在去年夏季,Google的技术人员Jeff Dean和Stanford University的Andrew Y. Ng把1.6万台电脑连在一起,使其能够自我训练,对2万个不同物体的1400万张图片进行辨识。尽管准确率较低,只有15.8%,但该系统的表现比之前最先进的系统都要好70%。?
另一则类似的报道是Google把从YouTube随机挑选的1000万张200 x 200像素的图输入其系统,让计算机寻找图像中一再重复出现的特征,从而对含有这种特征的物体进行识别,令人感到最神奇的是,在开始分析数据前,并不需要向系统输入任何诸如”脸、肢体、猫的长相是什么样子”这类信息。一旦系统发现了重复出现的图像信息,计算机就创建出”图像地图”,该地图稍后会帮助系统自动检测与前述图像信息类似的物体。;去年6月,Google演示了有史以来最大的神经网络,这一网络上拥有超过10亿个节点,并成功从YouTube视频中提取了1000万张画面上带猫的图片。如果没有深层学习,也就没有这么强大的功能。
深度学习系统可以准确的将物体分类并添加主题,使YouTube视频分类达到16%的准确度。这个数字虽然看起来很小,但是已经比上一代系统提高了70%。需要注意的是,YouTube的系统所用的深度学习是将视频分到22000个分类中,许多分类连常人无法区分。而当把分类缩小到1000个时,系统识别的准确率瞬间提高到了50%。
;去年10月份在天津的一次计算机会议上,微软首席科学家Richard F. Rashid在上面演讲关于语音识别的时候,演示了其使用深度学习技术(他的原话是:deep neural network,深度神经网络,属于深度学习的一种)来提高语音识别准确率的效果,相比目前最先进的基于Hidden Markov Model的技术,其准确率提升了大约30%。;Artificial Intelligence,也就是人工智能,就像长生不老和星际漫游一样,是人类最美好的梦想之一。虽然计算机技术已经取得了长足的进步,但是到目前为止,还没有一台电脑能产生“自我”的意识。是的,在人类和大量现成数据的帮助下,电脑可以表现的十分强大,但是离开了这两者,它甚至都不能分辨一个喵星人和一个汪星人。
;问题:例如图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐等等。;机器视觉感知的流程;9;10;11;关于特征;特征表示的粒度;初级(浅层)特征表示;初级(浅层)特征表示;16;结构性特征表示;在不同object上做training时,所得的edge basis 是非常相似的,但object parts和models 就会completely different了(这时我们分辨car或者face是不是容易多了);需要的特征数量;Deep Learning;;Race on ImageNet (Top 5 Hit Rate) ;Challenge to Deep Learners ;Answer from Geoff Hinton, 2012.10;Deep Learning的基本思想;Deep Learning的基本思想;浅层学习(Shallow Learning)和深度学习(Deep Learning);浅层学习是机器学习的第一次浪潮;深度学习是机器学习的第二次浪潮;深度学习是机器学习的第二次浪潮;Deep learning与Neural Network; Deep learning与传统的神经网络之间的相同在于deep learning采用了神经网络相似的分层结构,系统由包括输入层、隐层(多层)、输出层组成的多层网络,只有相邻层节点之间有连接,同一层以及跨层节点之间相互无连接,每一层可以看作是一个logistic regression模型;这种分层结构,是比较接近人类大脑的结构的。; 而为了克服神经网络训练中的问题,DL采用了与神经网络很不同的训练机制。传统神经网络中,采用的是back propagation的方式进行,简单来讲就是采用迭代的算法来训练整个网络,随机设定初值,计算当前网络的输出,然后根据当前输出和label之间的差去改变前面各层的参数,直到收敛(整体是一个梯度下降法)。而deep learning整体上是一个layer-wise的训练机制。这样做的原因是因为,如果采用back propagation的机制,对于一个deep network(7层以上),残差传播到最前面的层已经变得太小,出现所谓的gradient diffusion(梯度扩散)。;Deep learning训练过程;deep learning训练过程具体如下:;Building B
您可能关注的文档
- 《46_Establish a PC-less Multimedia Center for Sony PlayStation 3》.docx
- 《485 Modbus RTU通讯协议》.doc
- 《48_How to set up a network printer via QNAP NAS》.docx
- 《4pl泥浆泵》.pdf
- 《4th Generation M3 Introduction》.pdf
- 《4下M3》.doc
- 《5-ISO 文件制作重点》.ppt
- 《5-UNIX&Linux操作系统编程-线程》.ppt
- 《5.1_Hit_the_Nail_on_the_Head》.doc
- 《5.6版本MySQL的下载、安装及配置过程》.doc
- 浙江省临海市白云高级中学2025届高三历史3月月考试题.doc
- 云南拾谷县第一中学2024_2025学年高二物理上学期10月月考试题.doc
- 2025版高考生物总复习第13讲基因的分离定律教案苏教版.doc
- 湖北省黄石实验高中2024_2025学年高一历史下学期期末考试模拟卷.doc
- 通史版2025版高考历史大一轮复习专题七近代化的曲折发展__中日甲午战争至五四运动前4第4讲从维新思想到新文化运动课后达标检测含解析新人教版.doc
- 2024年高考数学考试大纲解读专题04导数及其应用含解析文.doc
- 河南省许汝平九校联盟2024_2025学年高一语文上学期期末考试试题扫描版无答案.doc
- 江西省吉安市吉水县第二中学2024_2025学年高一历史上学期第二次月考试题.doc
- 北京市平谷区2025届高三政治一模考试试题含解析.doc
- 2025届中考物理第四讲物态变化专项复习测试无答案新人教版.docx
文档评论(0)