文档介绍:人工智能 选修课 [人工智能大一选修课论文]
深度学****DeepLearning)作为一种基于人工神经网络的无监督学****方法,是近年来兴起的一种新的混合机器学****模型,现成为人工智能领域中炙手可热的研究技术。以下是小编整理的人工智能大一选修人工智能 选修课 [人工智能大一选修课论文]
深度学****DeepLearning)作为一种基于人工神经网络的无监督学****方法,是近年来兴起的一种新的混合机器学****模型,现成为人工智能领域中炙手可热的研究技术。以下是小编整理的人工智能大一选修课论文的相关资料,欢迎阅读!
人工智能大一选修课论文篇一
【摘要】深度学****DeepLearning)作为一种基于人工神经网络的无监督学****方法,是近年来兴起的一种新的混合机器学****模型,现成为人工智能领域中炙手可热的研究技术。深度学****带来了机器学****的一个新浪潮,受到学术界和工业界的广泛重视,并带来大数据的深度学****时代。本文结合大数据时代的具体需求,详细阐述了深度学****的发展和应用,突出了其在人工智能领域的重要地位。
【关键词】人工智能;深度学****大数据时代;机器学****br/>
近年来,深度学****逐步推动了人工智能领域的新浪潮。2010年,美国国防部DARPA计划首次资助深度学****项目;2011年来,微软和Google研究人员先后采用深度学****技术降低语音识别错误率20%~30%,取得该领域重大突破;2013年百度创始人兼CEO李彦宏高调宣布成立百度研究院,其第一个重点方向就是深度学****2013年4月,《麻省理工学院技术评论》杂志将深度学****列为2013年十大突破性技术之首。在今天,Google、百度、微软等知名高科技公司争相投入资源,占领深度学****的技术制高点。
大数据时代迫切需要深度学****为了说明这个观点,本文来谈一下浅层学****和深度学****模型。
浅层模型有个重要特点——靠人工经验来抽取样本特征,而强调模型主要是负责分类或预测。所以,特征提取就成了整个系统性能的瓶颈,通常开发团队中更多的人力是投入到构造更好的特征上去的,这就要求开发人员对待解决的问题有很深入的理解。而达到这个程度,往往需要反复摸索。因此,人工手动构造样本特征,不是一个具有生命力的途径。
深度学****的实质,是通过构建具有很多隐层的机器学****模型和海量的训练数据,来学****更有用的特征,从而最终提升分类或预测的准确性。区别于传统的浅层学****深度学****的不同之处在于:一是强调了模型结构的深度,通常有5层、6层,甚至10多层的隐层节点;二是明确突出了特征学****的重要性,即通过逐层特征变换,将样本在原空间的特征表示变换到一个新特征空间,使分类或预测更加容易。
(1)DeepLearning的基本思想
假设我们有一个系统S,它有n层(S1,…Sn),它的输入是I,输出是O,形象地表示为:I=>S1=>S2=>…..=>Sn=>O,如果输出O等于输入I,即输入I经过这个系统变化之后没有任何的信息损失,保持了不变性,这意味着输入I经过每一层Si都没有任何的信息损失,即在任何一层Si,它都是原有信息(即输入I)的另外一种表示。现在回到我们的主题DeepLearning,我们需要自动地学****特征,假设我们有一堆输入I(如一堆图像或者文本),假设我们设计了一个系统S(有n层),通过