【摘要】：深度学习算法中的一个重要分支——神经网络算法。2006年，Hinton 和他的学生在《Science》杂志上发表了一篇文章，从此掀起了深度学习的浪潮。深度学习能发现大数据中的复杂结构，也因此大幅提升了神经网络的学习效果。从2009年开始，微软研究院和Hinton 合作研究基于深度神经网络的语音识别，使得相对误差识别率降低25%。2012年，Hinton 又带领学生在当时最大的图像数据库ImageNet 上，对分类问题取得了惊人成果，将Top-5 错误率由26%降低至15%。
深度学习算法中的一个重要分支——神经网络算法。该算法可以追溯到20世纪60年代，曾被怀疑学习能力有限，在它产生后的10年中一直处于低潮期，并未受到太多关注。许多学者仍在坚持不懈地进行研究。2006年，Hinton 和他的学生在《Science》杂志上发表了一篇文章，从此掀起了深度学习（Deep Learning）的浪潮。深度学习能发现大数据中的复杂结构，也因此大幅提升了神经网络的学习效果。从2009年开始，微软研究院和Hinton 合作研究基于深度神经网络的语音识别，使得相对误差识别率降低25%。2012年，Hinton 又带领学生在当时最大的图像数据库ImageNet 上，对分类问题取得了惊人成果，将Top-5 错误率由26%降低至15%。再往后的一个标志性时间是2014年，Ian Goodfellow 等学者发表论文并提出“生成对抗网络”，这标志着GANs 的诞生；自2016年开始GANs 成为学界、业界炙手可热的概念，它为创建无监督学习模型提供了强有力的算法框架。时至今日，神经网络经历了数次潮起潮落后，又一次站在了风口浪尖，在图像识别、语音识别、机器翻译等领域都能看到它的身影。谷歌旗下DeepMind 公司的David Silver 创新性地将深度学习和强化学习结合在了一起，打造出围棋软件AlphaGo，展现了强化学习的巨大威力。此事件对人工智能来说具有划时代的意义，各种应用如雨后春笋般涌现。“人工智能+”给人以极大的想象空间，这标志着人工智能正式进入了崭新的实用时代，正式宣布深度学习进入实用化阶段。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
