1 / 7
文档名称:

深度学习在数据挖掘中应用及相关介绍.doc

格式:doc   大小:2,772KB   页数:7页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

文档介绍:深度学习在数据挖掘中应用及相关介绍


深度学习在数据挖掘中应用及相关介绍

  摘 要

  当今,由于互联网频繁的使用,海量的数据的产生,人们已然进入了大数据时代。在人们日常生活中产生了大量的数据,由于这些数据涉及信
深度学习在数据挖掘中应用及相关介绍

深度学习在数据挖掘中应用及相关介绍

  摘 要

  当今,由于互联网频繁的使用,海量的数据的产生,人们已然进入了大数据时代。在人们日常生活中产生了大量的数据,由于这些数据涉及信息量巨大、内容越来越复杂,导致对数据的分析和使用过程中所需考虑的问题越来越多。随着问题的加深深度学习在数据挖掘上的应用应运而生。本文对深度学习和数据挖掘进行一定的介绍和了解,以此分析总结深度学习在数据挖掘上的应用。
  【关键词】数据挖掘 神经网络 深度学习 人工智能
  1 引言
  在大数据时代,我们已经离不开对数据进行分析与处理。大数据正在成为生活中的一部分:用大数据预测疾病,用大数据预测奖项,用大数据支撑智能交通,用大数据助力企业商业决策,用大数据分析客户心理。随着人们对数据结果的要求日益增加,人们提出了诸如分类、聚类、结合神经网络等更加可靠的方案。然而大量的数据中存在有用和无用的数据,如何




值的相关性;数据的预测顾名思义,把握数据规律,做出合理推测;偏差的检测是对少数的极端数据进行分析,表明其内在原因。
  3 深度学习
  研究人员对神经网络的不断研究,以此引出了深度学习(deep learning),可以说深度学习是神经网络的延伸。深度学习常常被误会为一种机器学习模型,而实际上它是一个框架、一种思路。
  经研究表明,为能够学习表达高阶抽象的复杂函数,解决模式识别、数据分类、聚类和语言理解等相关的人工智能任务,需要融合深度学习。对于一些机器学习算法,会提到特征提取与选择,深度学习所解决的问题是在像文本分类,图片识别等过程中可以提取到让计算机明白的特征,最理想的情况就是把人类理解的特征复制到计算机上。
  相对浅结构神经网络其优势为可以较好的实现高维复杂函数的表示;一个很重要的原因引用深度学习是它的高精确度;不需要手动提取特征,自动提取特征;其采用分层进行处理数据,神经网络每一层可以提取出输入数据不同水平的特征。
  4 深度学习在数据挖掘中的应用

  人工智能是通过一定的算法使计算机认知、认识世界,制造出与人类智能相似的方式做出反应的机器。研究人员模仿人类来制定特定的推理和认知,以此形成最初的人工智能。目前深度学习被人们所重视起来,许多公司企业着手研究深度学习。
  近年来,深度学习尝试解决抽象认知的问题,而且取得巨大的突破。深度学习将人工智能带上一个新台阶,不仅在学术上产生巨大的影响,而且在实用性上取得进展。在数据挖掘方面取得一定的研究进展,语音识别方面,深度学习采用深度模型去替换声学模型中混合高斯模型,获得30%左右错误率降低;图像识别方面,通过构造深卷积神经网络,将原有26%的错误率降低到15%,又进一步加大加深网络的结构,错误率降至11%;在自然语言处理方面,在所得结果相当的条件下与其他方法相比,如果采用深度学习框架,能免去繁琐的提取特征的步骤。可以说,深度学习是特别接近人的大脑的智能学习方法,在

分享好友

预览全文

深度学习在数据挖掘中应用及相关介绍.doc

上传人:HShess 2022/5/19 文件大小:2.71 MB

下载得到文件列表

深度学习在数据挖掘中应用及相关介绍.doc

相关文档