目錄

一、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

1、深度學(xué)習(xí)定義

2、神經(jīng)網(wǎng)絡(luò)

3、深度學(xué)習(xí)過程

4、深度學(xué)習(xí)功能

二、深度學(xué)習(xí)應(yīng)用

?三、分類數(shù)據(jù)集推薦

---

一、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)

1、深度學(xué)習(xí)定義

????????深度學(xué)習(xí)（deep learning）是機(jī)器學(xué)習(xí)的分支，是一種試圖使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多個(gè)處理層對數(shù)據(jù)進(jìn)行高層抽象的算法。 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的算法，至今已有數(shù)種深度學(xué)習(xí)框架，如卷積神經(jīng)網(wǎng)絡(luò)和深度置信網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)等已被應(yīng)用在計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理、音頻識(shí)別與生物信息學(xué)等領(lǐng)域并獲取了極好的效果。

深度學(xué)習(xí)的核心：學(xué)習(xí)。

2、神經(jīng)網(wǎng)絡(luò)

????????人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡寫為ANN)也簡稱為神經(jīng)網(wǎng)絡(luò)(NN)。是一種模仿生物神經(jīng)網(wǎng)絡(luò)（動(dòng)物的中樞神經(jīng)系統(tǒng)，特別是大腦）結(jié)構(gòu)和功能的計(jì)算模型。經(jīng)典的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含三個(gè)層次的神經(jīng)網(wǎng)絡(luò)。分別為輸入層、輸出層以及隱藏層。?

構(gòu)成：輸入層、隱層、輸出層。

神經(jīng)網(wǎng)絡(luò)的目的：尋找權(quán)重參數(shù)w。（自動(dòng)從數(shù)據(jù)中學(xué)習(xí)到合適的權(quán)重參數(shù)）

神經(jīng)網(wǎng)絡(luò)由于有較多神經(jīng)元，所以展現(xiàn)出強(qiáng)大的非線性。

?

3、深度學(xué)習(xí)過程

1、收集數(shù)據(jù)并給定標(biāo)簽；

2、訓(xùn)練一個(gè)分類器；

3、測試、評估。?????????

4、深度學(xué)習(xí)功能

深度學(xué)習(xí)能夠?qū)W習(xí)到，什么特征是最合適的。

神經(jīng)網(wǎng)絡(luò)能玩的東西，基本能覆蓋生活方方面面。

深度學(xué)習(xí)解決的核心問題：如何提取特征。

特征提取：

深度學(xué)習(xí)的優(yōu)勢：數(shù)據(jù)量較大的時(shí)候，效果很好。?

二、深度學(xué)習(xí)應(yīng)用

物體識(shí)別：?

人臉生成：?

圖片上色、超分辨率重構(gòu)：

神經(jīng)網(wǎng)絡(luò)能玩的東西，基本能覆蓋生活方方面面。

?圖像分類：

?部分遮蔽、背景混入：

自動(dòng)駕駛：

?三、分類數(shù)據(jù)集推薦

總結(jié)

以上是生活随笔為你收集整理的深度学习（1）基础1 -- 深度学习与神经网络基础的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。