11深度学习的基本理论和方法.ppt

深度学习的基本理论与方法目录概述动机深度学习简介深度学习的训练过程深度学习的具体模型及方法深度学习的性能比较深度学习的应用展望参考文献相关程序软件及链接概述深度学习：一种基于无监督特征学习和特征层次结构的学习方法可能的的名称：深度学习特征学习无监督特征学习动机良好的特征表达，对最终算法的准确性起了非常关键的作用；识别系统主要的计算和测试工作耗时主要集中在特征提取部分；特征的样式目前一般都是人工设计的，靠人工提取特征。传统的模式识别方法：动机——为什么要自动学习特征实验：LP-βMultipleKernelLearningGehlerandNowozin,OnFeatureCombinationforMulticlassObjectClassification,ICCV’09采用39个不同的特征PHOG,SIFT,V1S+,RegionCov.Etc.在普通特征上MKL表现有限结论：特征更重要动机——为什么要自动学习特征机器学习中，获得好的特征是识别成功的关键目前存在大量人工设计的特征，不同研究对象特征不同，特征具有多样性，如：SIFT,HOG,LBP等手工选取特征费时费力，需要启发式专业知识，很大程度上靠经验和运气是否能自动地学习特征？中层特征中层信号：动机——为什么要自动学习特征“Tokens”fromVisionbyD.Marr:连续平行连接拐角物体部件:他们对于人工而言是十