收缩

QQ在线客服

QQ在线客服

  • 400-891-3318
  • 0755-84275866
  • 0755-84275899
  • 中为报告
  • 中为资讯
  • 中为数据
  • 企业名录
 深圳·北京·上海
中国最为专业的产业市场调查研究咨询机构
中为实力鉴证  咨询流程  公司资质
您当前位置:首页 > 行业分析 > IT通讯 >  正文

深度算法是目前人工智能实现突破的关键

来源:中为咨询www.zwzyzx.com 【日期:2016-11-04 15:40:33】【打印】【关闭】
2006年Hinton等人提出“深度学习”神经网络后,人工智能获得突破性进展。研究报告人工神经网络分为浅层学习与深度学习,浅层学习通常只有2-3层的节点,像BP算法、决策树、SVM、Boosting、最大熵方法都属于浅层学习,由于节点深度小只能表达简单函数,也只能完成一些先验的统计判断工作,而深度学习包含多层节点,通过构建多层的机器学习模型和海量训练数据来学习更有用的特征,能够构建复杂的人工智能模型,从而模拟人脑解决人工智能问题。

2006年以来,调查报告深度学习引起学术界和企业的研究热潮。目前,在几个主要领域,深度学习模型相比其他算法效果大幅提升。Google、百度、Facebook,IBM等公司都已将深度学习算法运用多个产品中。

人工神经网络结构图


深度学习算法结构图

 
深度神经网络(CNNs、RNNs)往往不是独立使用,需要与不同算法或策略结合,如和搜索想结合。Alphago就是结合了增强型深度学习和蒙特卡洛树搜索的综合算法。

卷积神经网络(CNNs)

递归神经网络(RNN)

 
深度神经网络也在不断的发展和完善中,如卷积神经网络最初用来处理图像,递归神经网络用来处理语音。现在使用两者算法的结合在图像和语音处理中取得了更好的效果。

深度学习方法使语音识别错误率大幅降低


深度学习方法使手写识别错误率大幅降低

 
机器学习的目标是真正实现无监督学习,在朝这个目标发展的过程中,迁移学习和聚焦模型是最有前景的方向之一。
本文地址:http://www.zwzyzx.com/show-336-243000-1.html
分享到:
相关资讯

合作媒体

定制出版

报告搜索

免责声明

  中为咨询所引述的资料是用于行业市场研究以及讨论和交流,并注明出处,部分内容是由相关机构提供。若有异议请及时联系本公司,我们将立即依据相关法律对文章进行删除或作相应处理。查看详细》》
关闭 中为咨询微博号
微信咨询