“深度学习”版本间的差异
来自iCenter Wiki
第4行: | 第4行: | ||
深度学习(Deep Learning),机器学习中一种基于对数据进行表征学习的方法,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 | 深度学习(Deep Learning),机器学习中一种基于对数据进行表征学习的方法,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 | ||
− | === | + | = 四个层面 = |
+ | |||
+ | * 目标与功能 | ||
+ | |||
+ | : 语音识别、机器视觉、自然语言理解 | ||
+ | : 智能问答是综合以上功能的高级系统 | ||
+ | |||
+ | * 核心技术 | ||
+ | |||
+ | : 特定算法、机器学习算法、深度神经网络 | ||
+ | |||
+ | * 软件工具 | ||
+ | |||
+ | : TensorFlow / Caffe / Torch | ||
+ | |||
+ | * 底层硬件 | ||
+ | |||
+ | : 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集 | ||
+ | |||
+ | = 国际研究 = | ||
+ | |||
+ | [http://research.google.com/teams/brain/ Google Brain] | ||
+ | ([http://research.google.com/pubs/jeff.html Jeffrey Dean]) | ||
+ | |||
+ | [https://research.facebook.com/ai Facebook AI Research (FAIR)] | ||
+ | ([http://yann.lecun.com/ Yann LeCun]) | ||
+ | |||
+ | [https://www.microsoft.com/en-us/research/group/dltc/ MSR Deep Learning Technology Center (DLTC)] | ||
+ | ([https://www.microsoft.com/en-us/research/people/deng/ Li Deng]) | ||
+ | |||
+ | [https://www.openai.com/blog/ OpenAI] | ||
+ | ([http://www.cs.toronto.edu/~ilya/ Ilya Sutskever]) | ||
+ | |||
+ | = 神经网络 = | ||
深度神经网络,Deep Neural Networks,简称DNN | 深度神经网络,Deep Neural Networks,简称DNN | ||
第13行: | 第46行: | ||
[http://pages.saclay.inria.fr/olivier.temam/homepage/ISCA2010web.pdf Rebirth_NN] | [http://pages.saclay.inria.fr/olivier.temam/homepage/ISCA2010web.pdf Rebirth_NN] | ||
− | + | = 阅读材料 = | |
[[深度学习-入门导读]] | [[深度学习-入门导读]] | ||
− | + | == 工具 == | |
'''Google''' | '''Google''' |
2017年6月17日 (六) 11:37的版本
本页面介绍深度学习相关的背景知识。
深度学习(Deep Learning),机器学习中一种基于对数据进行表征学习的方法,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。
四个层面
- 目标与功能
- 语音识别、机器视觉、自然语言理解
- 智能问答是综合以上功能的高级系统
- 核心技术
- 特定算法、机器学习算法、深度神经网络
- 软件工具
- TensorFlow / Caffe / Torch
- 底层硬件
- 可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集
国际研究
Facebook AI Research (FAIR) (Yann LeCun)
MSR Deep Learning Technology Center (DLTC) (Li Deng)
神经网络
深度神经网络,Deep Neural Networks,简称DNN
卷积神经网络,Convolutional Neural Networks,简称CNN
历史:The rebirth of neural networks, ISCA 2010. Rebirth_NN
阅读材料
工具
Microsoft
Université de Montréal
Baidu