本文简单介绍深度学习概念
1、深度学习基本思想
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,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。在深度学习中,我们需要自动地学习特征,假设有一堆
输入I(如一堆图像或者文本),我们设计了一个系统S(有n层),我们通过调整系统中参数,使得它的输出仍然是输入I,那么
我们就可以自动地获取得到输入I的一系列层次特征,即S1,…, Sn。
深度学习的思想就是堆叠多个层,也就是说这一层的输出作为下一层的输入。通过这种方式实现对输入信息进行分级表达了。
深度学习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。
深度网络
右侧图看到从输入到输出中间经过许多层的计算最终输出结果。
2、深度学习及神经网络
深度学习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习结构。深度学习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(类似人脑),以发现数据的分布式特征表示。
深度学习是机器学习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习的神经网络,它模仿人脑的机制来
解释数据,例如图像,声音和文本。
人工神经网络起初是从人脑神经系统启发。当前深度学习发展更是数学、算法范畴。对