清华社课件人工智能基础及应用（Python微课版）第6 深度学习概述.pptxVIP

;以往很多算法是线性的，而现实世界大多数事情的特征是复杂非线性的。深度学习的关键就是通过多层非线性映射将这些因素成功分开。

深度学习就是关于从数据中产生模型的算法，即深度学习算法。

;以认猫为例，深度学习关于猫的分层特征：

最底层从原始像素开始，刻画局部的边缘和纹；

中层把各种边缘进行组合，描述不同类型的猫的器官；

最高层描述的是整个猫的全局特征。

;深度学习发展历史

第一阶段：模型提出

第二阶段：冰河期

第三阶段：反向传播算法引起的复兴

第四阶段：流行度降低

第五阶段：深度学习的崛起

;第一阶段：模型提出

M-P神经元模型是一个包含输入，输出与计算功能的模型。其中，输入可以类比为神经元的树突，输出可以类比为神经元的轴突，计算则可以类比为细胞体。M-P神经元模型：3个输入（X1,X2,X3)，1个输出y，以及2个计算功能。计算公式如下：

y=sgn(x1*w1+x2*w2+x3*w3)

;第一阶段：模型提出

1958年，FrankRosenblatt提出感知器模型——由两层神经元组成的神经网络。“感知机”是第一个能够学习权重并进行简单分类的人工神经网络，能完成简单的线性分类任务。

;第二阶段：冰河期

1969年，MarvinMinsky和SeymourPapert在《感知器》一书中指出了感知器的局限性，例如无法处理异或问题，导致ANN研究经费骤减，进入第一次“AI