人工智能

深度学习探源

自2016年开始,人工智能成为人们日常生活中的一个热门话题,人工智能也得到了越来越多企业特别是技术性企业的关注。细心的朋友可能会发现,与人工智能同时唇线的另一个词就是深度学习,它们之间到底有什么关系呢?本文做个简单的普及。

深度学习

人工智能本是一个很宽泛的概念,包含多种技术,如基于机器学习的、基于链接的、基于推理的等。而我们所说的深度学习,本质上就是基于链接的技术的发展,按照现在的划分,它常被看作是机器学习的子集。

人们对科学问题的探索包含多种手段,其中的一种就是仿生学,早在1943年Warren Maculloch和Walter Pitts教授就模拟人类大脑的结构,提出了人工神经元的概念,他们通过简单线性加权的方式来模拟大脑神经元的工作,他们将神经季报描述为一个具备二进制输出的逻辑门。到了1958年Frank Rosenblatt教授则提出了一个自学习算法,可以自动优化得到各边的权重。在之后的几十年中,由于没有高效的训练多层神经网络的算法,使得其发展进入了停滞状态。直到1986年,Hinton和Willianms提出并推广了反向传播算法,使得神经网络再次得到人们的关注。

20世纪末,神经网络的理论得到提升,如卷积神经网络和循环神经网络,到了1991年LSTM模型的提出有效的解决了对较长序列进行建模的问题。但是受限于硬件性能,以及当时数据量的问题,神经网络总体上没有太大的进步。

大约2010年前后,硬件以不再是阻碍神经网络发展的瓶颈,而且可获得的数据量也呈现爆发状态,神经网络终于得以发展。目前的神经网络都包括多个隐层,而且总体上神经元的数量众多。我们把超过三个隐层的神经网络称为是深度网络,对深度网络进行训练的过程称作是深度学习。

本质上来说,深度网络仍旧是神经网络,只不过模型的复杂度更高,因此往往实现通过预训练来加快其学习的过程,而并行技术的发展则拓宽了深度学习的应用范围。

机器学习、大数据培训找格物课堂

大数据、机器学习、人工智能培训

脱产、周末、就业、业余班并行

识别二维码,获取最新培训信息

2022-2023 Copyright © 深圳市意行科技开发有限公司 - All Rights Reserved.
深圳市南山区学苑大道1227号 
粤ICP备17013574号