深度神经网络FPGA设计与实现 课件 第1、2章 深度学习及AI芯片、 深度学习开发平台.pptx

第1章 深度学习及AI芯片1.1 深度学习研究现状1.2 AI芯片研究现状1.1 深度学习研究现状1.1 深度学习研究现状　随着“人工智能”“深度学习”和“机器学习”这三个概念的出现并应用于社会各个领域，越来越多的人将这三个概念混为一谈。严格来说，机器学习是人工智能的一个分支，专门研究计算机怎样模拟或实现人类的学习行为；而深度学习是实现机器学习的一种技术，该技术使得机器学习能够实现众多的应用并拓展了人工智能的领域范围。图1-1为人工智能、机器学习、深度学习的关系图，而图1-2为深度学习与传统机器学习的区别。图1-1 人工智能、机器学习、深度学习的关系图图1-2 深度学习与传统机器学习的区别1.1.2 深度学习和神经网络的发展历程　传统的神经网络起源于生物神经网络，20世纪40年代出现的神经元的MP 模型和Hebb学习规则，为以后的学习算法奠定了基础。1957年，F. Roseblatt提出了由两层神经元组成的神经网络，并将其称为“感知器”。“感知器”作为首个可以学习的人工神经网络在社会上引起了轰动，许多学者纷纷投入到神经网络的研究中。这段研究浪潮成为了神经网络研究的第一次高潮。20世70年代，Minskey指出感知器只能做简单的线性分类任务，甚至无法实现稍复杂的异或(xor)问题，神经网络的研究陷入冰河期，如图1-3所示。图1-3 神经网络发展简史　1) 监督学