机器人感知与智能课件 第十一章 深度学习技术.pptxVIP

机器人感知与智能第十一章深度学习技术

概述OUTLINE深度学习技术深度学习作为机器学习的分支，通过模拟人类神经系统构建多层神经网络，利用海量标记数据自动提取特征，实现对未标记数据的精准预测与分类；相较于传统机器学习，它具备多层次表示、端到端学习、大规模并行计算加速以及强大泛化能力等显著优势，并在计算机视觉、自然语言处理等领域广泛应用，成为解决复杂实际问题的人工智能核心力量。本章将从深度学习技术种类（监督学习、半监督学习和无监督学习）出发，详细介绍深度学习的基本原理，包括神经元与激活函数、常见网络结构、神经网络的训练以及过拟合现象。最后，本章设计了一个基于MNIST手写数据集的分类实验，更深入理解深度学习技术的实际应用。

01深度学习技术种类目录CATALOGUE02深度学习原理03应用举例：机械臂抓取04实验

01深度学习技术种类

监督学习?回归任务示意图分类任务示意图

无监督学习无监督学习旨在从未标记的数据中发现内在结构和模式，无需外部标签。相比监督学习，它更侧重探索数据的潜在特征与关系。在此过程中，模型仅依靠输入数据（无输出标签），通过学习数据的统计特性、相似性或潜在分布进行建模与推断。这能帮助我们发现未知模式、完成数据聚类及降维等任务。常见的任务包括聚类和关联规则挖掘，其中聚类最为典型。聚类是指将彼此相似的数据自动分为不同的组或簇。如图所示，原始数据为相对分离的随机点