深度学习入门理论简介.pptxVIP

1深度学习入门理论

2主要内容人脑视觉机理1关于特征2深度学习思想3训练过程45常用模型

3人脑视觉机理人的视觉系统的信息处理是分级的，神经-中枢-大脑的工作过程是一个不断迭代、不断抽象的过程。

4目前我们通过机器学习去解决这些问题的思路都是这样的（以视觉感知为例）：

5关于特征特征是机器学习系统的原材料。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。对于特征，我们需要考虑四个方面：特征表示的粒度初级（浅层）特征表示结构性特征表示需要有多少个特征

6关于特征1、特征表示的粒度学习算法在一个什么粒度上的特征表示，才有能发挥作用？

7关于特征2、初级（浅层）特征表示像素级的特征表示方法没有作用，那怎样的表示才有用呢？

8关于特征3、结构性特征表示小块的图形可以由基本edge构成，更结构化，更复杂的，具有概念性的图形如何表示呢？

9关于特征不同对象上做训练时，所得的边缘基底是非常相似的，但对象部分和模型就会完全不同了。

10关于特征4、需要有多少个特征我们知道需要层次的特征构建，由浅入深，但每一层该有多少个特征呢？

11深度学习思想对堆叠多个层，也就是说这一层的输出作为下一层的输入。通过这种方式，并且使得输入与输出的差别尽可能地小，就可以实现对输入信息进行分级表达了。深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升