深度学习（一）深度学习的发展历史

最新推荐文章于 2025-07-10 10:13:17 发布
最新推荐文章于 2025-07-10 10:13:17 发布
阅读量5.3w 收藏 137
点赞数 16
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/u012177034/article/details/52252851
本文概述了深度学习的发展历程，从第一代神经网络到现代的深度学习（DL）技术，包括感知器、多层感知器（MLP）、卷积神经网络（CNN）等的重要里程碑。深度学习的崛起经历了两次低谷，但通过ReLU激活函数、预训练与微调等技术解决了梯度消失问题，推动了DL的快速发展。AlexNet的出现进一步证明了CNN在图像识别中的强大能力，引领了深度学习的爆发期。

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

本次深度学习系列主要从以下几个方面记录，主要为CNN相关
另外最后会专留一章讲述CNN与计算机视觉中的目标检测的发展。

∙发展历史
∙

最低0.47元/天 解锁文章

200万优质内容无限畅学
【深度学习基础】深度学习的发展历史
十二月的猫
03-26 2450
学习任一门知识都应该先从其历史开始，把握了历史，也就抓住了现在与未来本专栏想要按照深度学习发展历史的流程带大家从简单模型到如今复杂模型一步步吃透深度学习模型的演化流程及基本原理历史深度学习模型的演变可以用一张图来体现。图中的各个模型所在的位置高度体现了模型出现时，模型所引发的影响。由图可以明显看出DL在从06年崛起之前经历了两个低谷，这两个低谷也将神经网络的发展分为了三个不同的阶段，下面就分别讲述这三个阶段。
深度学习—历史发展
DIPDWC的博客
05-24 2754
深度学习的历史发展1. 导语2. 人工神经网络发展历程2.1 人工神经网络的劣势2.2 人工神经网络三剑客3. 深度学习发展中的革新事件 1. 导语 从这一讲开始，我们将进入目前最火热的人工智能领域—深度学习（Deep Learning）。我们前面讲到，从上个世纪80年代开始，多层神经网络被提出，它较好地解决了机器学习中的一些实际问题，但是到了上个世纪90年代，人工神经网络的研究却突然进入了沉寂。这是因为上个世纪90年代中期，以支持向量机为代表的一系列机器学习模型的提出，对人工神经网络这样的算法造成了强烈的
深度学习--神经网络
最新发布
2201_75762674的博客
07-10 997
神经网络（Neural Networks）是一种模拟人脑神经元网络结构的计算模型，用于处理复杂的模式识别、分类和预测等任务。神经网络由多个互相连接的节点（即人工神经元）组成。线性层：神经网络中常用的层类型，主要用于将输入数据通过线性变换映射到输出空间。API：解释：in_features:输入特征的数量；out_features:输出特征的数量；bias:是否设置偏置项，为True则表示设置偏置，为False则表示不设置偏置。
全网最新！| 深度学习发展史（1943-2024编年体）（The History of Deep Learning）
机器学习，生物信息学学习笔记。linux和python技巧分享。
05-20 1万+
深度学习是人工智能领域的一个重要分支，它在图像识别、语音识别、自然语言处理等方面取得了显著的进展。学习任一门知识都应该先从其历史开始，把握了历史，也就抓住了现在与未来 。那么深度学习到底是经历了一段怎样的发展过程呢？下面我们就来了解一下深度学习发展史。
深度学习史上最全总结（文末有福利）
哆啦A梦的博客
09-01 5487
深度学习（Deep Learning），这是一个在近几年火遍各个领域的词汇，似乎所有的算法只要跟它扯上关系，瞬间就显得高大上起来。但其实，从2006年Hinton在Science上的论文算起，深度学习发展至今才不到十年。 在这短短几年时间里，深度学习颠覆了语音识别、图像分类、文本理解等众多领域的算法设计思路，渐渐形成了一种从训练数据出发，经过一个端到端（end-to-end）的模型，然后直接输出得
深度学习发展历程
呵呵呵呵
09-15 3913
神经网络 一、神经元 1943年，心理学家McCulloch和数学家Pitts参考了生物神经元的结构，发表了抽象的神经元模型MP。 1、结构 神经元模型是一个包含输入，输出与计算功能的模型。输入可以类比为神经元 的树突，而输出可以类比为神经元的轴突，计算则可以类比为细胞核。 　 下图是一个典型的神经元模型：包含有3个输入，1个输出，以及2个计算功能。 　　注意中间的箭头线。这些线...
深度学习的发展历史
zls365365的博客
08-06 4497
本篇给大家介绍神经网络的发展史。了解神经网络的发展史可以帮助我们更好的学习深度学习，更清楚的把握深度学习的发展方向。了解深度学习的历史，首先要了解深度学习的几个重要事件。首先是1943年神经网络被提出，提出神经网络的是心理学家麦卡洛克和数学逻辑学家皮兹，他们在论文神经活动中内在思想的逻辑演算中提出了神经网络模型，描述了一个基于神经网络的数学模型，从此为神经网络打开了一个新...
《深度学习》（Deep Learning）
08-01
概述深度学习及其重要性和发展历程。 介绍线性代数的基本概念和工具，如向量、矩阵、特征值等。 概率论基础、信息论概念，如熵、KL散度等。 讨论数值计算的基本方法和在深度学习中的应用。 机器学习的基本概念...
这篇文章是《深度学习》一书中内容的概述，涵盖了深度学习的基础知识及其历史发展、核心概念、数学基础、机器学习基础以及一些高级主题 以下是主要内容的总结：
07-08
内容概要：本书《深度学习.最全的中文版.pdf》涵盖了深度学习的基础...其他说明：本书内容详实，适合希望系统学习深度学习理论和技术的读者。书中不仅包含了大量的理论知识，还有丰富的实例和应用场景，有助于读者更好
深度学习（deep learning）发展史
机器学习算法与Python学习
03-19 7300
源 | 小象本文节选自人民邮电出版社最新出版的 AI 圣经《深度学习DEEP LEARNING[1]》。《深度学习DEEP LEARNING[2]》英文版由美国麻省理工学院 MIT 出版社于 2016 年 12 月推出，一经出版就风靡全球。《深度学习DEEP LEARNING[3]》的一大特点是介绍深度学习算法的本质，脱离具体代码实现给出算法背后的逻辑，不写代码的人也完全可以看。由深度学习领域三位
深度学习的发展历史是什么？
zj880725的博客
10-29 5952
深度学习的历史可以追溯到1943年，当时Walter Pitts和Warren McCulloch建立了基于人脑神经网络的计算机模型。他们将算法和数学方法结合在一起，称之为“阈值逻辑”，以模仿思维过程。自那时以来，深度学习一直在稳步发展，其发展只有两个重大突破。两者都与臭名昭著的人工智能冬天有关。 亨利·凯利（Henry J. Kelley）因在1960年开发了连续反向传播模型的基础而受到赞誉。1...
深度学习——深度学习发展历程
热门推荐
xiaotiig的博客
11-20 2万+
深度学习的一些原理 卷积计算 这个就是普通的卷积计算原理，输入有3个通道，输出有2个通道，没加激活函数等。 如上图所示，输入有3个通道，输出有2个通道，也就是有2个卷积核（一个卷积核就是322）。对于每个卷积核，先在输入3个通道分别作卷积，再将3个通道结果加起来得到卷积输出。所以对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积核数量！ （1）参数量就是：输入通道数卷积核的宽度卷积核的高度*输出通道数 （2）计算量：补0和不补0不一样 （3）总结： <1>卷积核是3维的，其中
深度学习的发展历史与关键技术
qq_45880982的博客
04-05 3304
在未来，随着计算机算力的增强、数据规模的扩大以及算法的不断优化，深度学习技术将会在更多领域展现出强大的应用潜力，为人类社会带来更多的便利与进步。它由一个输入层和一个输出层组成，其中每个输入都与输出层的每个神经元相连，具有一定的权重。感知机的输出是输入的加权和经过阈值函数的结果。本文将介绍深度学习的发展历史，从早期的感知机到如今的深度神经网络，同时介绍深度学习中的一些关键技术和公式。反向传播算法是用于计算神经网络模型中参数梯度的方法，通过链式法则将输出层的误差逐层向前传播，从而计算出每一层的参数梯度。
深度学习 简介
mengxianglong123的博客
06-22 2万+
在介绍深度学习之前，我们先看下人工智能，机器学习和深度学习之间的关系：机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法自动提取特征。深度学习模仿人类大脑的运行方式，从经验中学习获取知识。这也是深度学习被看做黑盒子，可解释性差的原因。随着计算机软硬件的飞速发展，现阶段通过深度学习来模拟人脑来解释数据，包括图像，文本，音频等内容。目
第一章 深度学习发展历程
组学之心，专注多组学/ 医学AI 领域
05-16 3231
最早在1956年的美国达特茅斯会议（ Dartmouth Conference）上提出，当时会议的主题是“用机器来模仿人类学习以及其它方面的智能因此，1956年被认为是人工智能的元年。一般认为，人工智能是研究、开发用于模拟、延伸和扩展人的智能 的理论、方法、技术及应用系统的一门新兴学科。“人工智能，是利用数字计算机或者数字计算机控制的机器模拟、延伸 和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理 论、方法、技术及应用系统。”---- 全国信息安全标准化技术委员会。
关于深度学习，看这一篇就够了
weixin_34138377的博客
03-30 581
　　 　　编者按：本文作者王川，投资人，中科大少年班校友，现居加州硅谷，个人微信号9935070，36 氪36氪经授权转载自其个人微信公众号 investguru。 　　一 　　2016 年一月底，人工智能的研究领域，发生了两件大事。 　　先是一月二十四号，MIT 的教授，人工智能研究的先驱者，Marvin Minsky 去世，享年89 岁。 　　三天之后，谷歌在自然杂志上正式公开发...
超强总结！深度学习、大模型发展历程！
2401_85373691的博客
12-06 2326
深度学习作为人工智能核心领域的关键部分，已在图像、语音和语言处理等多个领域实现重大突破。探究任何学科，须从其历史根源起步，洞悉历史脉络，方能掌握当下，洞察未来。1943年，Warren McCulloch与Walter Pitts在论文《神经活动中内在思想的逻辑演算》中提出MCP模型，标志着神经网络与数学模型的诞生，为这两大领域奠定了基础。MCP旨在利用计算机复制人类神经元的反应机制，将神经元简化为三个核心步骤：输入信号线性加权，信号求和，以及非线性激活（采用阈值法）。具体过程如以下图表所示。
评论 8
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