文档介绍：深度学****的基本理论与方法目录概述动机深度学****简介深度学****的训练过程深度学****的具体模型及方法深度学****的性能比较深度学****的应用展望参考文献相关程序软件及链接概述深度学****一种基于无监督特征学****和特征层次结构的学****方法可能的的名称:深度学****特征学****无监督特征学****动机良好的特征表达,对最终算法的准确性起了非常关键的作用;识别系统主要的计算和测试工作耗时主要集中在特征提取部分;特征的样式目前一般都是人工设计的,靠人工提取特征。Low-levelsensingPre-:prediction,recognition传统的模式识别方法:动机——为什么要自动学****特征实验:LP-βMultipleKernelLearningGehlerandNowozin,binationforMulticlassObjectClassification,ICCV’09采用39个不同的特征PHOG,SIFT,V1S+, :特征更重要动机——为什么要自动学****特征机器学****中,获得好的特征是识别成功的关键目前存在大量人工设计的特征,不同研究对象特征不同,特征具有多样性,如:SIFT,HOG,LBP等手工选取特征费时费力,需要启发式专业知识,很大程度上靠经验和运气是否能自动地学****特征?中层特征中层信号:动机——为什么要自动学****特征“Tokens”:连续平行连接拐角物体部件:他们对于人工而言是十分困难的,那么如何学****呢?动机——为什么要自动学****特征一般而言,特征越多,给出信息就越多,识别准确性会得到提升;但特征多,计算复杂度增加,探索的空间大,可以用来训练的数据在每个特征上就会稀疏。结论:不一定特征越多越好!需要有多少个特征,需要学****确定。动机——为什么采用层次网络结构人脑视觉机理1981年的诺贝尔医学奖获得者DavidHubel和TorstenWiesel发现了视觉系统的信息处理机制发现了一种被称为“方向选择性细胞的神经元细胞,当瞳孔发现了眼前的物体的边缘,而且这个边缘指向某个方向时,这种神经元细胞就会活跃动机——为什么采用层次网络结构人脑视觉机理人的视觉系统的信息处理是分级的高层的特征是低层特征的组合,从低层到高层的特征表示越来越抽象,越来越能表现语义或者意图抽象层面越高,存在的可能猜测就越少,就越利于分类