在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

三句話讓你認識深度學習

汽車玩家 ? 來源:達爾文文 ? 作者:達爾文文 ? 2020-04-21 17:25 ? 次閱讀

開宗明義,三句話認識深度學習

深度學習是一種機器學習

深度學習首先是一種機器學習。深度學習的基礎,叫做神經網絡,這本身就是一種機器學習算法。近年來,隨著深度學習的火熱和深入人心,人們漸漸將這一概念獨立出來,由此有了深度學習和傳統機器學習的區分。

如今神經網絡快速發展,傳統的機器學習何去何從?

其實,都只是算法,一種解決問題的辦法,而已。

關于算法,關于機器學習,我們引用卡內基梅隆大學(Carnegie Mellon University)Tom Michael Mitchell教授在其1997年出版的書籍Machine Learning中的定義, —— “如果一個程序可以在任務T上,隨著經驗E的增加,效果P也可以隨之增加,則稱這個程序可以從經驗中學習”[1]

怎么理解這句話呢?以推薦系統為例,我們使用某一類機器學習算法(“一個程序”),根據用戶的過往記錄做推薦(“任務T”),那么隨著用戶的過往記錄不斷積累(“經驗E”),能夠做的推薦就更準確(“效果P”)。

簡而言之,機器的“學習”,是通過以往的經驗,即數據,學習數據內部的邏輯,并將學到的邏輯應用在新數據上,進行預測。

深度學習是一種機器學習,要真的追究起來,人工智能、機器學習和深度學習,三者大概是下面這個關系。

三句話讓你認識深度學習

人工智能、機器學習和深度學習三者的關系

深度學習是一個數學問題

機器學習和數學,是深度學習的一體兩面。

機器學習是深度學習的方法論,數學是其背后的理論支撐。

其實每一種算法,究其根本,都是一種數學表達。無論是機器學習,還是深度學習,都是試圖找到一個函數,這個函數可以簡單,可以復雜,函數的表達并不重要,只是一個工具,重要的是這個函數能夠盡可能準確的擬合出輸入數據和輸出結果間的關系。就像我們在各個任務中做的那樣,比如語音識別、圖像識別、下圍棋,人機問答系統:

三句話讓你認識深度學習

機器學習在找輸入和輸出之間的關系

這就是機器學習要做到的事,找到一個數學表達,即上述例子中的函數f。

而深度學習的魅力在于,它的數學表達特別的強!

深度學習的強大是有數學原理支撐的,這個原理叫做“萬能近似定理”(Universal approximation theorem)。這個定理的道理很簡單 —— 神經網絡可以擬合任何函數,不管這個函數的表達是多么的復雜。

因為這個定理,深度學習在擬合函數這一方面的能力十分強大、暴力和神秘。

但是,哪有免費的午餐,深度學習的強大也帶來了對應的問題 —— 黑箱化

深度學習是一個黑箱

黑箱的意思是,深度學習的中間過程不可知,深度學習產生的結果不可控。

一方面,我們比較難知道網絡具體在做些什么;另一方面,我們很難解釋神經網絡在解決問題的時候,為什么要這么做,為什么有效果。

在傳統的機器學習中,算法的結構大多充滿了邏輯,這種結構可以被人分析,最終抽象為某種流程圖或者一個代數上的公式,最典型的比如決策樹,具有非常高的可解釋性。

三句話讓你認識深度學習

一個決策樹的例子

到了深度學習,這樣子的直觀就不見了。簡單來說,深度學習的工作原理,是通過一層層神經網絡,使得輸入的信息在經過每一層時,都做一個數學擬合,這樣每一層都提供了一個函數。因為深度學習有好多層,通過這每一層的函數的疊加,深度學習網絡的輸出就無限逼近目標輸出了。這樣一種“萬能近似”,很多時候是輸入和輸出在數值上的一種耦合,而不是真的找到了一種代數上的表達式。當我們在說”擬合“、”函數“這一類詞的時候,你或許認為我們會像寫公式一樣把輸入和輸出之間的關系列在黑板上。但事實并不是這樣,深度學習擬合出來的函數,一般人還真寫不出來……

所以,很多時候,你的深度學習網絡能很好的完成你的任務,可是你并不知道網絡學習到了什么,也不知道網絡為什么做出了特定的選擇。知其然而不知其所以然,這可以看作是深度學習的常態,也是深度學習工作中的一大挑戰。

盡管如此,深度學習還是好用的……

誰用誰知道!

所以 ——

擁抱不確定性,愛上深度學習。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 機器學習
    +關注

    關注

    66

    文章

    8492

    瀏覽量

    134122
  • 深度學習
    +關注

    關注

    73

    文章

    5555

    瀏覽量

    122498
收藏 人收藏

    評論

    相關推薦
    熱點推薦

    為什么的設備還不夠“聽話”?

    語音+電機控制方案控制更智能!為什么的設備還不夠“聽話”?傳統家電和家居設備往往需要手動操作,而語音+電機控制方案,正是打破這一局限的鑰匙:語音指令:一句話操控設備,無需動手,徹底解放雙手。電機
    的頭像 發表于 02-14 18:01 ?280次閱讀
    為什么<b class='flag-5'>你</b>的設備還不夠“聽話”?

    NPU在深度學習中的應用

    隨著人工智能技術的飛速發展,深度學習作為其核心驅動力之一,已經在眾多領域展現出了巨大的潛力和價值。NPU(Neural Processing Unit,神經網絡處理單元)是專門為深度學習
    的頭像 發表于 11-14 15:17 ?1719次閱讀

    開關電源布線 一句話:要運行最穩定、波形最漂亮、電磁兼容性最好

    開關電源在布線上最大的特點是拓撲引起的高頻(高壓)強電流與控制級的弱電信號交織在一起,首先要保證強電流的存在不干擾電源內部的控制信號,其次要盡量減少對外部的干擾(EMC)。一句話:要運行最穩定、波形
    的頭像 發表于 10-28 14:06 ?1767次閱讀
    開關電源布線 一<b class='flag-5'>句話</b>:要運行最穩定、波形最漂亮、電磁兼容性最好

    Pytorch深度學習訓練的方法

    掌握這 17 種方法,用最省力的方式,加速的 Pytorch 深度學習訓練。
    的頭像 發表于 10-28 14:05 ?562次閱讀
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>學習</b>訓練的方法

    GPU深度學習應用案例

    GPU在深度學習中的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是深度學習
    的頭像 發表于 10-27 11:13 ?1117次閱讀

    激光雷達技術的基于深度學習的進步

    維空間信息。這使得激光雷達在自動駕駛、無人機、機器人等領域具有廣泛的應用前景。 二、深度學習技術的發展 深度學習是機器學習的一個分支,它通過
    的頭像 發表于 10-27 10:57 ?952次閱讀

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習是AI大模型的基礎 技術支撐 :深度
    的頭像 發表于 10-23 15:25 ?2698次閱讀

    求助,關于AIC3254寄存器的問題求解

    不是說AIC3254的寄存器每頁都只有128個寄存器的嗎,那么寄存器的最大地址應該是127啊,下圖是PPS生成的base_main_Rate44_pps_driver.h文件,里面對寄存器的配置怎么出現了地址為254和 255的配置啊,這三句話的作用是什么?在哪里能看到相關的資料?求大神解答
    發表于 10-23 06:48

    FPGA做深度學習能走多遠?

    。FPGA的優勢就是可編程可配置,邏輯資源多,功耗低,而且賽靈思等都在極力推廣。不知道用FPGA做深度學習未來會怎樣發展,能走多遠,怎么看。 A:FPGA 在深度
    發表于 09-27 20:53

    認識貼片電阻嗎,對他了解多少?

    認識貼片電阻嗎,對他了解多少?
    的頭像 發表于 08-27 15:49 ?1062次閱讀
    <b class='flag-5'>你</b><b class='flag-5'>認識</b>貼片電阻嗎,<b class='flag-5'>你</b>對他了解多少?

    簡單認識深度神經網絡

    深度神經網絡(Deep Neural Networks, DNNs)作為機器學習領域中的一種重要技術,特別是在深度學習領域,已經取得了顯著的成就。它們通過模擬人類大腦的處理方式,利用多
    的頭像 發表于 07-10 18:23 ?1840次閱讀

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習深度學習領域的重要任務之一,廣泛應用于人體活動識別、系統監測、金融預測、醫療診斷等多個領域。隨著深度
    的頭像 發表于 07-09 15:54 ?1952次閱讀

    深度學習與nlp的區別在哪

    深度學習和自然語言處理(NLP)是計算機科學領域中兩個非常重要的研究方向。它們之間既有聯系,也有區別。本文將介紹深度學習與NLP的區別。 深度
    的頭像 發表于 07-05 09:47 ?1518次閱讀

    人工智能、機器學習深度學習是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機器學習(Machine Learning, ML)和深度學習(Deep Learning, DL)已成為
    的頭像 發表于 07-03 18:22 ?2554次閱讀

    深度學習與傳統機器學習的對比

    在人工智能的浪潮中,機器學習深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器學習的范疇,但
    的頭像 發表于 07-01 11:40 ?2237次閱讀
    主站蜘蛛池模板: 午夜精品在线免费观看 | 天天干天天舔天天操 | 欧美满足你的丝袜高跟ol | 色偷偷尼玛图亚洲综合 | 五月丁香六月综合缴清无码 | 久久婷婷综合五月一区二区 | 精品乱人伦一区二区三区 | 国产精品一久久香蕉产线看 | 性欧美videofree视频另类 | 男女午夜免费视频 | а中文在线天堂 | 日本成片视频 | 日本免费一级 | 久久久噜久噜久久综合 | 欧美三级日韩三级 | 5月色婷婷 | 性色视频在线观看 | 免费国产黄网站在线观看视频 | 91精品福利久久久 | 四虎影院在线免费观看视频 | 亚洲免费网站在线观看 | 免费黄色a视频 | 亚洲综合激情丁香六月 | 久久久久88色偷偷 | aaaa级日本片免费视频 | 色一区二区 | 天天做天天爱天天爽 | 亚洲日韩色图 | 成年网站在线播放 | 男人天堂综合网 | 黄色18网站| 成人午夜大片免费视频77777 | 在线www | 国产特黄一级片 | 夜夜精品视频一区二区 | 天天天天色 | 亚洲伊人久久大香线蕉影院 | www.最色| 4480yy私人午夜a级国产 | 国产大片91精品免费观看不卡 | 中文在线最新版天堂 |