人工智能基础及应用课件 模块一-任务三-《深度学习》.pptxVIP

了解人工智能发展的关键技术深度学习

Part1Part2Part3深度学习与机器学习的关系常见深度学习算法深度学习的应用场景Contents目录

深度学习与机器学习的关系深度学习是机器学习的一个重要分支，特指基于深层神经网络模型的机器学习方法，如下图所示。它是在统计机器学习与人工神经网络基础上，结合当代大数据与大算力发展而来。其概念源于神经网络研究，例如，包含多个隐藏层的多层感知器就是一种深度学习结构。深度学习最核心的技术特点是自动提取特征，所获得的深度特征相比人工设计的特征，具有更强且更稳健的表示能力。因此，深度学习的本质是特征表征学习，其模型基础——深度神经网络，本质上是一系列非线性变换的嵌套。常见的深度学习算法包括：受限玻尔兹曼机(RestrictedBoltzmannMachine，RBM)，DeepBeliefNetworks(DBN)，卷积神经网络(ConvolutionalNeuralNetwork，CNN)，Transformer自注意力机制等。深度学习

常见深度学习算法——受限玻尔兹曼机受限玻尔兹曼机（RBM）是一种可学习数据概率分布的随机生成神经网络，结构示意图如下图（左）所示，作为玻尔兹曼机（BM）的改进变体，如下图（右）所示，其核心创新在于引入了结构限制：RBM规定同一层内神