深度学习 Deep Learning简介 (一)

时间:2022-12-14 22:16:13

        作为一个刚接触神经网络的菜鸟,如何入手,一直是一个头痛的问题,在各种百度,谷歌后,杂七杂八,鱼龙混杂的学习了一些东西。经过筛选,感觉csdn上,

zouxy09的文章深入浅出,输出后,开始研读。

       对于一个懵懂的小菜鸟,zouxy09的文章对我帮助很大,在此甚是感激;自己在研读完成后,自己有了一些小见解,有感觉zouxy09有些重复的地方,导致理解时有些困难,所以自己参照他的博文,自己按照自己的思路总结了一些,主要还是节选,应用。勉励之余,供大家分享。

      同时由于鄙人治学不深,难免有疏漏之处,还望大家拍砖,指正!!


主要参考文献:

http://blog.csdn.net/zouxy09/article/details/8775360(从一到八)

1:机器学习

在解释深度学习之前,我们需要了解什么是机器学习(MLMachine Learning)。机器学习是人工智能(AIArtificial Intelligence)的一个分支,而在很多时候,几乎成为人工智能的代名词。

简单来说,机器学习就是通过算法,使得机器能从大量历史数据中学习规律,从而对新的样本做智能识别或对未来做预测。

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。目前我们通过机器学习去解决这些问题的思路都是这样的(以视觉感知为例子)。

机器学习的过程:

深度学习 Deep Learning简介 (一)

1,数据收集

通过传感器(例如CMOS)来获得数据

2,特征提取

数据收集偶,需要经过预处理(Pre-processing)、特征提取(Feature extract)、特征选择(Feature selection)三部分。

概括起来就是特征表达。良好的特征表达,对最终算法的准确性起了非常关键的作用,而且系统主要的计算和测试工作都耗在这一大部分。但这块实际中一般都是人工完成的,靠人工提取特征。

3,机器学习

对特征数据通过神经网络,svmboost等算法进行分类,聚类等,也就是机器学习的部分,绝大部分的工作是在这方面做的,也存在很多的paper和研究。

机器学习遇到的问题:

手工地选取特征是一件非常费力、启发式(需要专业知识)的方法,能不能选取好很大程度上靠经验和运气,而且它的调节需要大量的时间。既然手工选取特征不太好,那么能不能自动地学习一些特征呢?

答案是能!Deep Learning就是用来干这个事情的,看它的一个别名UnsupervisedFeature Learning,就可以顾名思义了,Unsupervised的意思就是不要人参与特征的选取过程。