【深度学习基础-01】机器学习->引出深度学习

最新推荐文章于 2024-08-25 15:50:15 发布
最新推荐文章于 2024-08-25 15:50:15 发布
阅读量2.2k 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习基础专栏 由浅入深学习机器学习 文章标签： 深度学习 机器学习
学习记录
本文链接：https://blog.youkuaiyun.com/qq_15698613/article/details/85996217
本文介绍了机器学习的概念及其应用，如语音识别和自动驾驶等。接着，探讨了深度学习的起源、发展历程，指出深度学习是基于神经网络的算法，随着大数据和计算能力的提升而兴起。深度学习在图像处理、自然语言处理和语音识别等领域展现出卓越性能，特别是在ImageNet竞赛中取得显著成就。文章还提到了在深度学习领域领先的学术机构如多伦多大学、斯坦福大学，以及公司如谷歌、脸书和百度硅谷。最后，强调深度学习在理解和处理复杂问题，如图像分析方面的进步。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

机器学习的应用：

深度学习？

深度学习什么时候发展起来的？

深度学习能用来干什么？

深度学习有哪些代表性的学术机构和公司？

深度学习的应用？

针对经验E(experience)和一系列的任务T（tasks）和一定表现的衡量P（performance），如果随着经验E的积累，针对定义好的任务T可以提高表现P，就说明计算机具有学习能力。

机器学习的应用：

语音识别

自动驾驶

语言翻译

计算机视觉

推荐系统

无人机

垃圾邮件识别

深度学习？

深度学习是基于机器学习的延伸出来的，以大脑结构为启发的神经网络算法为起源，加之模型结构深度的增加发展，并伴随大数据和计算能力提高而产生的一系列新的算法。

深度学习什么时候发展起来的？

由Geoffery Hinton等人在2006年和2007年在《SCIENCE》上发表的文章。

了解本专栏 订阅专栏 解锁全文
深度学习基础--损失函数
wang6562009的专栏
08-30 1988
前三章分别介绍了线性回归、浅层神经网络和深度神经网络。这些都属于函数家族，能够实现从输入到输出的映射，其具体的函数取决于模型参数 ϕ\phiϕ。在训练这些模型时，我们的目标是找到能够为特定任务提供最优输入输出映射的参数。本章将详细阐述“最优映射”的含义。 要定义“最优映射”，首先需要一组训练数据集 {xi,yi}\{x_i, y_i\}{xi​,yi​}，即输入和输出的配对。损失函数（Loss Function）L[ϕ]L[\phi]L[ϕ] 能够返回一个数值，这个数值描述了模型预测 f(xi,ϕ)f(x_
深度学习基础 -- 简介
最新发布
wang6562009的专栏
08-29 1223
人工智能（AI）旨在打造模仿智能行为的系统。它覆盖了众多方法，涵盖了基于逻辑、搜索和概率推理的技术。机器学习是 AI 的一个分支，它通过对观测数据进行数学模型拟合来学习决策制定。这个领域近年来迅猛发展，现在几乎（虽不完全准确）与 AI 同义。深度神经网络是一类机器学习模型，将其应用到数据上的过程称为深度学习。目前，深度网络是最强大和最实用的机器学习模型之一，常见于日常生活中。
深度学习基础学习笔记-深度学习的引出
qq_33782655的博客
04-13 640
课程：中国大学Mooc《深度学习基础》哈尔滨工业大学，刘远超 深度学习的引出 目录 1. 什么是机器学习 2. 从简单线性分类器到深度学习（一） 3. 从简单线性分类器到深度学习（二） 4. 什么是深度学习？ 1. 什么是机器学习 举例：假设有两类数据，分别对应下图中两种不同类型的点，每个点的横纵坐标x和y已知，每个点对应的类别也已知，那么我们能否找到一种自动的方法来将两类数据分开呢？这是一个分类问题。 （1）首先会考虑找到一条直线将其分开，直线表达式为y = f(x) = w1x+w
大数据案例分析学习笔记1.1（深度学习的引出）
weixin_44469890的博客
02-20 252
什么是机器学习？ （Machine learning） 机器学习：是对研究问题进行 模型假设，利用计算机从训练数据中学习得到模型参数，并最终对数据进行预测和分析的一门学科 从简单线性分类器到深度学习（一） 从简单线性分类器到深度学习（二） 深度学习网络中往往包含多个中间层（隐藏层）且网络结构要更复杂一些 什么是深度学习？ （Deep learning） 一种实现机器学习的技术，是机器学习重...
第2节--深度学习基础介绍-机器学习--课程介绍（下）
忧郁一休
10-20 1151
接第1节–深度学习基础介绍-机器学习–课程介绍（上）4、Demo - 微软实时语音翻译（一个说英语的人，系统模拟说话人的声音实时说出对应的汉语） - Google无人车送盲人去超市购物 - Google翻译 - 淘宝购物推荐系统 - 无人机玩平衡杆
机器学习基础
legalhighhigh的博客
12-19 1141
1、课程介绍 学习前提学习过高等数学，例如微积分，线性代数，概率论等，对数学要求较高，但入门时勉强知道基本知识就可以。 有一定的编程基础，接触过python最佳。 学习目标理解机器学习的基本概念 学会对原始数据进行抽象处理 会使用python的机器学习相关库 对常见的算法有个基本认识 课程内容机器学习基本概念 监督学习（分类、回归） 非监督学习 2、机器学习 概念 多领域交叉学科，涉及概率论，极限，
深度学习基础之深度学习概述（一）——慕课学习笔记
ArrogantT的博客
07-14 928
1.1深度学习的引出 机器学习(Machine Lerning) 是对研究问题进行模型假设，利用计算机从训练数据中学习得到模型参数。并最终对数据进行预测和分析的一门学科。 从简单线性分类器到深度学习(一) 问题:根据繁华程度(x1)、交通便利度(x2)、与市中心距离(x3)、楼层(x4 )预 测房价的高低（x1-x4为输入，w为各个输入的权重）: 则可以写出如下表达式： 从简单线性分类器到深度学习(二) 加入中间层（隐藏层）（U为中间层与输入层对应的权重，h为输出层与中间层对应的权重）： 深度学习网
TensorFlow深度学习》--笔记版.pdf
04-06
尽管作者试图将深度学习的核心思想和基础理论涵盖在本书中，但鉴于深度学习领域广泛，仍有许多未被涉及的算法。因此，作者鼓励读者在学习完本书后，自行搜索相关研究论文或资料，以进一步学习和深入了解深度学习。 ...
[学习笔记]深度学习详解-Datawhale学习组
zhangyifeng_1995的博客
08-25 1142
优化神经网络时，使用梯度下降法，遇到梯度为0的点，训练就停了下来，损失也不再下降。这个梯度为0的点，可以称为临界点。临界点可以细分为局部极小值局部极大值和鞍点。如下图，左侧是局部极小值，右侧是鞍点。鞍点的特点是，它在某些方向上是极小值，在某些方向上是极大值。形似马鞍面。
第28节--《深度学习基础介绍-机器学习》课程总结
忧郁一休
11-03 950
——————本课程共28小节，至此完结——————课程总结：基本知识 机器学习介绍 深度学习介绍 机器学习的基本概念监督学习–分类问题 决策树算法 KNN算法 SVM算法 神经网络算法监督学习–回归问题 简单线性回归 多元回归分析 非线性回归 相关系数、R平方值非监督学习–聚类算法 K-means算法 层次聚类算法
机器学习入入入入门（1）机器学习基本概念、引出深度学习
linshen_jianhai的博客
07-18 729
文章目录1. 基本步骤2. 基本概念2.1 Hyperparameters2.2 local minima3. linear model3.1 基础概念4. piecewise linear curve4.1 基本概念4.2 思想4.3 Sigmoid Function4.4 从Linear Function 到Non-Linear Function4.5 神经网络4.6 泛化的机器学习步骤4.7 batch gradient descent 1. 基本步骤 根据经验，猜测面对一个问题，预计应满足一个什么
人脸识别SVM算法实现--参考麦子学院彭亮机器学习基础5.2
fukaixin12的博客
01-30 1363
#本例为人脸识别的SVM算法 #首先fetch_lfw_people导入数据 #其次对数据进行处理，首先得到X,y,分割数据集为训练集和测试集,PCA降维,然后训练 #最后查看正确率，classification_report以及confusion_matrix 以及绘制出特征图和预测结果 from __future__ import print_function from time impo...
DeepLearning（深度学习）原理与实现
chinaliping的专栏
08-07 5663
DeepLearning（深度学习）原理与实现（一） 源自：http://blog.youkuaiyun.com/marvin521/article/details/8886971  经过三年的狂刷理论，觉得是时候停下来做些有用的东西了，因此决定开博把他们写下来，一是为了整理学过的理论，二是监督自己并和大家分享。先从DeepLearning谈起吧，因为这个有一定的实用性（大家口头传的“和钱靠的很近
第1节--深度学习基础介绍-机器学习--课程介绍（上）
忧郁一休
10-20 4080
本课程是来自麦子学院彭亮老师的——深度学习基础介绍-机器学习 共27小节，以下是我的学习笔记。1、课程介绍 学习前提 对微积分，线性代数，概率论的基本知识有一定了解 有一定编程基础（最好是Python） 学习目标 理解机器学习的概念、原理、常用算法 学会对数据的预处理 使用Python语言和相关的机器学习库 使用常用算法和应用框架解决实际问题 课程安排 基本介绍 基本概念 监督学习（分类、回
【机器学习的五大流派与九种常见算法】
07-13 426
模式识别（Pattern recognition）、机器学习（machine learning）和深度学习（deep learning）代表三种不同的思想流派。 模式识别是最古老的（作为一个术语而言，可以说是很过时的）。 机器学习是最基础的（当下初创公司和研究实验室的热点领域之一）。 深度学习是非常崭新和有影响力的前沿领域，我们甚至不会去思考后深度学习时代。 1）机器学习就像是一个真正的...
最近邻分类算法KNN实现--参考麦子学院彭亮机器学习基础4.2
fukaixin12的博客
01-28 647
import csv import random import math import operator #导入数据，并分为训练集和测试集 def loadDataset(filename, split, trainingSet = [], testSet = []): with open(filename, 'rt') as csvfile: lines = csv....
深度学习常见问题（一）-深度学习引出
weixin_42313598的博客
03-31 1390
常见概念 深度学习的定义及为什么要用神经网络?| 深度学习是模仿人脑神经元结构的一种多隐层神经网络，属于机器学习的重要分支。神经网络通过组合底层特征形成更加抽象的高层特征，相比传统提取特征的方法，具有更强的学习能力，所以要采用神经网络。 问题 非线性分类问题，可否用多元线性回归进行分类 可以的，通过引入激活函数，将线性模型转化成非线性问题；或是对数据进行核函数变换，投影到高维空间，从而解决非...
机器学习的方法总结
XYKenny的博客
05-15 1081
很多事情，只要你想做，那么肯定有方法做的，并且可以做好； 说起SVM很多人都会感觉头疼，无非就是公式多一个，其实很多时候你真是用的话，都不用你手动自己实现，你是在学习的一种机器学习的思维方式，就要比为什么要提出svm？svm解决了什么问题？svm中的kernel又是想解决线性svm解决不了的问题？svm的优势在哪里？就好比生活中不缺乏美，只是缺少发现美的眼睛，在学习中发现问题的能力及其重要，当你问...
深度学习入门：从Lecun的CNN到Hinton的Cuda-convnet
文章探讨了传统机器学习方法中的特征提取与可训练分类器，强调了手动设计特征的局限性，以及为何转向可学习的特征提取器，即卷积神经网络的关键思想。" 在深度学习领域，卷积神经网络（CNN）是一种至关重要的模型，...
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值