文档介绍：深度学****发展现状王宇航(北京交通大学计算机与信息技术学院,北京,100044)摘要:深度学****是机器学****研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学****的神经网络,它模仿人脑的机制来解释数据。近年来,随着深度学****逐渐收到各界的广泛关注,其在各个尖端领域的作用也越来越大,深度学****已经在诸多领域取得客观的成就。本文简要介绍深度学****的基本理论及思想,:深度学****机器学****人工智能;无监督学****引言2011年,斯坦福人工智能实验室主任吴恩达领导Google的科学家们,用16000台电脑模拟了一个模拟人脑神经网络出来,并向这个网络展示了1000万段随机从YouTube上选取的视频,,,这种机器学****与我们通常意义上说的“机器识别”,需要人工输入一些用于对比的数据,或者一些已经进行初步分类、打好标签的数据,机器通过学****这些数据的共同点,得出规律,,这是一种“有监督的学****需要人工输入初始数据,有时候还要对识别结果进行判断,“无监督的学****它基于一种学术假设:即人类对外界环境的了解过程最终可以归结为一种单一算法,而人脑的神经元可以通过这种算法,:吴恩达给神经网络输入了一个单词“cat”,这个神经网络中并没有辞典,,它最终确定,,与一个不懂英语的人,在没任何人教他的时候,通过独立观察学会“cat”,,其动机在于建立、模拟人脑进行分析学****的神经网络,它模仿人脑的机制来解释数据。深度学****的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学****结构。深度学****通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。核心思想把学****结构看作一个网络,则深度学****的核心思路如下:①无监督学****用于每一层网络;②每次用无监督学****只训练一层,将其训练结果作为其高一层的输入;③用监督学****去调整所有层历史发展图灵在1950年的论文里,提出图灵试验的设想,即,隔墙对话,你将不知道与你谈话的,是人还是电脑。这无疑给计算机,尤其是人工智能,预设了一个很高的期望值。但是半个世纪过去了,人工智能的进展,远远没有达到图灵试验的标准。2006年前,尝试训练深度架构都失败了:训练一个深度有监督前馈神经网络趋向于产生坏的结果(同时在训练和测试误差中),然后将其变浅为1(1或者2个隐层)。2006年,加拿大多伦多大学教授、机器学****领域的泰斗GeoffreyHinton和他的学生RuslanSalakhutdinov在《科学》上发表了一篇文章,开启了深度学****在学术界和工业界的浪潮。这篇文章有两个主要观点:1