深度学习允许由多个处理层组成的计算模型学习具有多个抽象级别的数据表征。 这些方法极大地改善了语音识别,视觉对象识别,对象检测以及许多其他领域的最新技术,例如药物发现和基因组学。 深度学习通过使用反向传播算法来指示机器应如何更改其内部参数,这些参数从之前的一层的表征计算每层的表征,从而发现大数据集中的复杂结构。 深层卷积网络在处理图像,视频,语音和音频方面带来了突破,而循环网络则对诸如文本和语音之类的顺序数据有所启发。
未完待续
相关文章
- 01-01Attention, Suggestion and Annotation: A Deep Active Learning Framework for Biomedical Image Segmenta
- 01-01The neurobiology of deep reinforcement learning
- 01-01有没有什么可以节省大量时间的 Deep Learning 效率神器?
- 01-01【深度学习(deep learning)】花书第7章 深度学习中的正则化 读书笔记
- 01-01基于深度学习的3D目标检测综述-Deep Learning-Based 3D Detection: A Review
- 01-01论文解读:Deep-Kcr: accurate detection of lysine crotonylation sites using deep learning method
- 01-01IJCAI 2016 DPSH 《Feature Learning based Deep Supervised Hashing with Pairwise Labels》李武军
- 01-01论文笔记:Adversarial Attacks and Defenses in Deep Learning 对抗训练部分
- 01-01Communication-Efficient Learning of Deep Networks from Decentralized Data论文阅读笔记
- 01-01Deep Learning for Generic Object Detection: A Survey论文翻译