现代机器学习 课件 第11章 深度学习.pptx

第11章深度学习;

11.1深度学习简介;

人工神经网络主要受两个思想启发:一个观点是以大脑为例证明了机器的智能行为是可能的,因此,概念上,建立智能的直接途径是逆向构建大脑背后的计算原理,并复制其功能;

另一种看法是,理解大脑和人类智能背后的原理也非常有趣,因此人工神经网络的发展往往伴随着人类对这些基本科学问题的进一步认知。然而,自人工神经网络诞生以来,并没有达到人们的期望。尽管有些机器学习方法的神经网络模型模仿人类的某些大脑功能进行设计,但它们一般和生物功能的真实模型存在较大差异。;

如今神经科学在深度学习研究中的作用被削弱,主要原因是没有足够多的关于大脑的信息和研究成果来指导并使用。要想获得对这些被大脑实际使用算法的深刻理解,需要有能力同时监测(至少是)数千相连神经元的活动。这一点是很难做到的,甚至连大脑最简单、最深入研究的部分都还远远没有被人们理解。;

深度学习也为其他科学做出了贡献。用于目标识别的现代卷积网络为神经科学家们提供了可以研究的视觉处理模型。深度学习也为处理海量数据以及在科学领域的有效预测提供了非常有用的工具。它已成功地用于预测分子如何相互作用从而帮助制药公司设计新的药物,搜索亚原子粒子,以及自动解析用于构建人脑三维图的显微镜图像等。总之,得益于大数据和更强大的计算能力,深度神经网络的研究具有了突飞猛进的发展,它也是未来机器学习研究领域的热点。;

1