网站大量收购闲置独家精品文档,联系QQ:2885784924

智能网联汽车计算平台部署与测试 课件 6 深度学习的认知.pptx

智能网联汽车计算平台部署与测试 课件 6 深度学习的认知.pptx

  1. 1、本文档共36页,可阅读全部内容。
  2. 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. 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. 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

智能网联汽车

计算平台部署与测试项目六深度学习的认知

目录01.深度学习的认知02.PyTorch的认知03.YOLO的认知

目标具体描述知识目标能够了解深度学习的发展能够了解深度学习的原理和特点能够掌握深度学习的典型构架?技能目标能够独立讲解深度学习基本定义能够独立讲述构成深度学习的基本组成单元能够讲述深度学习网络典型框架及其特点能够独立讲述深度学习在汽车制造领域的发展趋势能够熟练掌握深度学习模型原理和设计素质目标能够正确认识和理解深度学习工具,能够对深度学习发展做出贡献的学者给予尊重和赞赏能够培养创新思维和批判思维,能够不断的对现存的深度学习网络提出新的想法和改进意见能够培养团队合作和沟通能力,能够与其他人进行协作,清楚的表达自己的想法和意见能够养成持续学习和自我提升能力,能够不断的关注深度学习领域发展的必威体育精装版动态深度学习(DL,DeepLearning)是机器学习(ML,MachineLearning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence)。深度学习作为人工神经网络可以根据学习过程中的示例数据来独立地构建(训练)出基本规则,尤其是在机器视觉领域,神经网络通常采用监督式学习的方法来训练,即通过示例数据和示例数据的预定义结果来进行训练。

01.深度学习的认知

任务描述最近,单位新来一批实习员工,他们对深度学习并不熟悉,需要对深度学习有一个清晰的认识,请你准备一下,介绍一下什么深度学习,并说明它的作用是什么。任务目标(1)了解深度学习的现状及发展历程。(2)认识深度学习的典型框架。任务准备(1)防护装备:常规实训着装。(2)教学设备:安装有操作系统的计算机。(3)教学工具:教学课件、电脑主机。

知识准备深度学习的基本原理是通过构建具有多个抽象级别的神经网络模型,来模拟人脑的神经元结构。这种网络结构使得深度学习能够处理复杂的模式识别问题,通过逐层提取特征的方式,将原始数据转化为高层次的抽象表示。在训练过程中,深度学习利用反向传播算法来调整网络参数,优化模型的性能。一、深度学习概述

知识准备一、深度学习概述(一)人工智能人工智能(AI)通常是指由机器(一般是计算机程序)通过模仿或复制人类行为而构造出来的体系结构。“AI”这个术语涵盖多个子领域,例如专家系统、模式分析系统或机器人。基于AI的系统会利用不同的方法来对人类行为和决策结构进行模仿或建模,有关的方法包括统计算法、启发式程序、人工神经网络(ANN)或其他机器学习衍生技术。

知识准备一、深度学习概述机器学习(ML)是AI的子领域,它由一系列自动程序组成,可以从一组示例数据推演出基本规则,即通过示例数据来“习得”规则。通过应用预定义和可理解的算法和规则,或者使用人工神经网络就可以实现此技术。机器学习技术可细分为“监督式学习”和“非监督式学习”。在监督式学习中,学习的样本数据同时包含输入数据和相应的预期结果(例如分类),而在非监督式学习中,应该由系统来自行确定输入数据可能产生的结果。传统的机器学习算法有:线性回归模型、logistic回归模型、k-临近算法、决策树、随机森林、支持向量机、人工神经网络等。(二)机器学习

知识准备一、深度学习概述深度学习(DL)是一种机器学习方法,它作为人工神经网络可以根据学习过程中的示例数据来独立地构建(训练)出基本规则。尤其是在机器视觉领域,神经网络通常采用监督式学习的方法来训练,即通过示例数据和示例数据的预定义结果来进行训练。(三)深度学习

知识准备从历史上看,深度学习从产生、发展到崛起经历了三个阶段。第一代神经网络(1958年-1969年)二、深度学习的发展最早的神经网络思想起源于1943年的MCP人工神经元模型,该模型将神经元简化为三个过程:输入信号线性加权、求和及非线性激活。但是,1969年,美国数学家Minsky证明了感知器本质上是一种线性模型,只能处理线性分类问题,从而导致神经网络的研究陷入了近20年的停滞。

知识准备第二代神经网络(1986年-1998年)二、深度学习的发展1986年,Hinton发明了适用于多层感知器的BP算法,并采用Sigmoid进行非线性映射,有效解决了非线性分类和学习的问题,从而引发了第二次神经网络热潮。1991年,BP算法被指出存在梯度消失问题,即在误差梯度向后传递的过程中,后层梯度以乘性方式叠加到前层,由于Sigmoid函数的饱和特性,导致误差梯度传递到前层时几乎为0,因此无法对前层进行有效的学习。

知识准备第三代神经网络(2006年至今)一、深度学习的发展2006年是

您可能关注的文档

文档评论(0)

xiaobao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档