《深度學習》入門教程ppt課件.pptx

《《深度學習》入門教程ppt課件.pptx》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第六章　深度學習6.1概述6.2人腦神經(jīng)系統(tǒng)與深度學習6.3深度神經(jīng)網(wǎng)絡(luò)6.4軟硬件實現(xiàn)of6516.5手寫體數(shù)字識別項目實例6.6深度學習應用習題6.1概述第六章深度學習of652深度學習（DeepLearning）的概念是由Hinton、YoshuaBengio和YannLecun等人提出的，涉及神經(jīng)網(wǎng)絡(luò)、圖建模、人工智能、模式識別、最優(yōu)化理論和信號處理等領(lǐng)域。由于深度學習在各類競賽中，相對于傳統(tǒng)方法有著顯著的性能提升，越來越多的學術(shù)機構(gòu)和企業(yè)把目光轉(zhuǎn)向了深度學習領(lǐng)域。例如：2010年美國國防部DARPA首次資助深度學習項目；2012年11月，

2、微軟在天津展示了全自動同聲傳譯系統(tǒng)，用英文演講，采用深度學習作為支撐，后臺計算機自動完成了語音識別、中英機器翻譯和中文語音合成；2013年1月，百度創(chuàng)始人宣布成立百度研究院，其中第一個成立的就是“深度學習研究所”；2013年4月，《麻省理工學院技術(shù)評論》雜志將深度學習列為2013年十大突破性技術(shù)之首。6.1概述第六章深度學習6.1.1人工智能簡史of653發(fā)展歷程三個階段20世紀40年代中期到50年代末期被稱為人工智能的啟蒙探索階段。20世紀60年代初期到80年代末期被稱為人工智能的發(fā)展階段。20世紀90年代初期到現(xiàn)在被稱為人工智能的繁榮階段。6.

3、1概述第六章深度學習of654（1）20世紀40年代中期到50年代末期1950年，英國數(shù)學家圖靈在論文《計算的機器與智能》為計算機的出現(xiàn)奠定了理論基礎(chǔ)。同時期，W.McCullocli和W.Pitts發(fā)表了《神經(jīng)活動內(nèi)在概念的邏輯演算》，證明了可以嚴格定義的神經(jīng)網(wǎng)絡(luò)。1956年，美國達特茅斯大學的一次暑期專題研討會上第一次提出了人工智能，開創(chuàng)了人工智能的這一研究領(lǐng)域。1957年，A.Newell和H.Simon等人編寫了邏輯理論機的數(shù)學定理證明的程序，該程序證明了《數(shù)學原理》書中的38個定理。1956年Samuel編寫的西洋跳棋程序，到1959年這

4、個程序戰(zhàn)勝了他本人，1962年還擊敗了美國Connecticut州的跳棋冠軍。人工智能的啟蒙探索階段6.1概述第六章深度學習of655（2）20世紀60年代初期到80年代末期1968年，第一個用于質(zhì)譜儀分析有機化合物的分子結(jié)構(gòu)的專家系統(tǒng)DENDRAL研制成功。20世紀70年代初，Winograd提出了積木世界中理解自然語言的程序等。1974年，N.J.Nillson對之前的一些工作進行了綜述，并寫了一篇論文，把對人工智能的研究歸納為4個核心課題。1980年早期，人工智能的研究者研究出了專家系統(tǒng)，并產(chǎn)生了巨大的經(jīng)濟效益。1982年日本開始了使得邏輯推

5、理與數(shù)值運算一樣快的第五代計算機的研制計劃。1986年，Rumelhart提出了反向傳播算法，用以解決人工神經(jīng)元網(wǎng)絡(luò)的學習問題，進而人們進一步轉(zhuǎn)向?qū)θ斯ど窠?jīng)元的研究。1987年，第一次神經(jīng)網(wǎng)絡(luò)國際會議在美國召開，宣告了這一新學科的誕生。人工智能的發(fā)展階段6.1概述第六章深度學習of656（3）20世紀90年代初期至今1997年IBM公司研制了“深藍計算機”，首次在正式比賽中以3.5∶2.5的比分戰(zhàn)勝了人類國際象棋世界冠軍。2016年3月15日，谷歌人工智能AlphaGo與圍棋世界冠軍李世石的人機大戰(zhàn)，最終李世石與AlphaGo以1∶4認輸結(jié)束。人工

6、智能的繁榮階段6.1概述第六章深度學習6.1.2大數(shù)據(jù)與深度學習of6572006年Hinton等人提出深度學習的概念，該方法基于深度置信網(wǎng)絡(luò)提出非監(jiān)督逐層訓練的算法，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來了希望，掀起了深度學習在學術(shù)界和工業(yè)界的浪潮。隨著CPU和GPU計算能力的大幅提升，深度學習擁有了的更高效的硬件平臺作為支撐。大數(shù)據(jù)時代的海量數(shù)據(jù)解決了早期神經(jīng)網(wǎng)絡(luò)由于訓練樣本不足出現(xiàn)的過擬合、泛化能力差等問題。因此，大數(shù)據(jù)需要深度學習，深度學習的發(fā)展又需要大數(shù)據(jù)的支撐。在未來幾年，深度學習將會被廣泛應用于大數(shù)據(jù)的預測，而不是停留在淺層模型上，這將推動

7、“大數(shù)據(jù)+深度模型”時代的來臨，以及人工智能和人機交互的前進步伐。6.1概述第六章深度學習6.1.3人工智能的未來of348人工智能一直處于計算機技術(shù)的前沿，計算機技術(shù)的發(fā)展方向?qū)⒑艽蟪潭壬弦蕾嚾斯ぶ悄芾碚摲矫娴难芯亢桶l(fā)現(xiàn)。人工智能對現(xiàn)代社會已經(jīng)產(chǎn)生了巨大的影響，在工業(yè)領(lǐng)域尤其是制造業(yè)，已經(jīng)成功地使用了人工智能技術(shù)，例如，智能設(shè)計、在線分析、仿真、虛擬制造、智能調(diào)度和規(guī)劃等。在金融業(yè)，股票商利用人工智能系統(tǒng)進行分析、判斷和決策，信用卡欺詐檢測系統(tǒng)也得到了普遍應用；在傳媒領(lǐng)域，新華網(wǎng)推出了自主研發(fā)的第一代生物傳感智能機器人“Star”。人工智能還對人

8、們的日常生活產(chǎn)生了影響，Siri、實時在線地圖、語音搜索等一系列智能產(chǎn)品已經(jīng)給我們的生活帶來了極大的方便。6.1概述第六章