十大值得关注的深度学习算法
随着人工神经网络的应用,深度学习算法训练机器在大量数据上进行复杂的计算。深度学习算法可以让机器能够像人脑那样进行工作和处理数据,并高度依赖于人工神经网络,并基于人脑的结构-功能而工作。以下是十大值得关注的深度学习算法,希望能对你有所参考。
1. 自动编码器
作为某种类型的前馈神经网络,自动编码器(Autoencoder)是一种深度学习算法,其中输入和输出都是相同的。它是由 Geoffrey Hinton 在 1980 年设计的,目的是解决无监督学习问题。它拥有经过训练的神经网络,将数据从输入层转移到输出层。自动编码器的一些重要用例是:图像处理、药品回收和人口预测。
以下是自动编码器的三个主要组成部分:
编码器(encoder)
编码(Code)
解码器(decoder)
2. 受限玻尔兹曼机
受限玻尔兹曼机(Restricted Boltzmann Machines,RBM)是随机神经网络,能够从概率分布而不是输入集中学习。这种深度学习算法由 Geoffrey Hinton 开发,用于主题建模、特征学习、协同过滤、回归、分类和降维。
受限玻尔兹曼机分两个阶段工作:
前向(forward pass)
后向(backward pass)
此外,它由两个层组成:
隐含层(Hidden units)
可视层(Visible units)
每个可见层都与所有现有的隐含层相连。受限玻尔兹曼机也有一个偏置层。该层与所有的隐含层以及可见层相连,但没有输出节点。
3. 自组织映射
自组织映射(Self-Organizing Maps,SOM)通过自组织人工神经网络实现了数据可视化,以降低数据的维度。这种深度学习算法是由 Teuvo Kohonen 教授开发的。数据可视化能够解决人类在处理高维数据时不容易可视化的这类问题。开发自组织映射的目的是为了对高维信息进行更好的理解。
4. 多层感知机
开始学习深度学习算法的最好地方是多层感知机(Multilayer Perceptions,MLP)。它属于前馈神经网络的范畴,同时还有许多包含激活函数的感知层。 它由两个完全连接的层组成:
输入层
输出层
多层感知机包含相同数量的输入层和输出层,并且有可能具有各种隐含层。多层感知机的一些重要用例包括图像识别、人脸识别和机器翻译软件。
5. 深度信念网络
生成模型、深度信念网络(Deep Belief Network,DBN)拥有大量的潜变量和随机变量层。潜变量通常被称为隐含层,包含二进制值。这些是波尔兹曼机的堆栈,各层之间有连接。每一个深度信念网络层都与后续和之前的层相连接。深度信念网络的用例包括视频识别、图像识别以及运动捕捉数据。
6. 径向基函数网络
径向基函数网络(Radial Basis Function Network ,RBFN)是一类特殊的前馈神经网络,利用径向基函数作为激活函数。它包含以下几层:
输入层
隐含层
输出层
上述各层的径向基函数网络被用来进行回归、分类和时间序列预测。
7. 生成对抗网络
生成对抗网络(Generative Adversarial Network,GAN)是一种深度学习算法,它可以创建与训练数据相似的新数据实例。生成式对抗网络有助于生成逼真的图片、卡通人物、人脸的图像创建和三维物体的渲染。视频游戏开发者利用生成对抗网络,通过图像训练提升低分辨率。
生成对抗网络有两个重要组成部分:
生成器(generator):能够生成虚假数据。
鉴别器(discriminator):能够从虚假信息中学习。
8. 递归神经网络
递归神经网络(Recurrent Neural Network,RNN)由有助于形成有向循环的连接组成,允许长短期记忆网络(Long Short-term Memory Network,LSTM)的输出作为现阶段的输入提供。递归神经网络能够记住以前的输入,因为它有内部记忆。递归神经网络的一些常见用例有:手写识别、机器翻译、自然语言处理、时间序列分析和图像说明。
9. 卷积神经网络
卷积神经网络(Convolutional Neural Network,CNN)也被称为 ConvoNet,包含许多层,主要用于物体检测和图像处理。第一个卷积神经网络是由 Yann LeCun 在 1988 年开发和部署的。在那一年,它被称为 LeNet,用于字符识别,如数字、邮政编码等。卷积神经网络的一些重要用例包括医学图像处理、卫星图像识别、时间序列预测和异常检测。
以下是卷积神经网络的一些关键层,它们在数据处理以及从数据中提取特征方面起着举足轻重的作用:
卷积层
线性整流层
池化层
完全连接层
10. 长短期记忆网络
[长短期记忆网络](https://machinelearningmastery.com/gentle-introduction-long-short-term-memory-networks-experts/#:~:text=Long%20Short%2DTerm%20Memory%20(LSTM,complex%20area%20of%20deep%20learning.)(Long Short-term Memory Network,LSTM)是一类递归神经网络,能够学习和记忆长期依赖关系。长短期记忆网络还能够长期回忆过去的信息。它能随着时间的推移保留信息,这被证明在时间序列预测中是有益的。它有一个链状结构,其中 4 个相互作用的层连接并进行独特的沟通。除了时间序列预测外,长短期记忆网络还被用于药品开发、音乐创作和语音识别。
总结
近年来,深度学习算法和技术之所以流行,主要原因在于它们能够处理大量的数据,然后将数据转化成信息。利用它的隐含层架构,深度学习技术学会了定义低级别的类别,如字母;然后是中级别的类别,如单词;然后是高级别的类别,如句子。据某些预测,深度学习必将彻底改变供应链自动化。
百度前首席科学家,以及谷歌大脑项目的著名领导人之一,吴恩达(Andrew Ng)曾肯定地表示:
与深度学习类似的是,火箭发动机是深度学习模型,燃料是我们可以提供给这些算法的海量数据。(“The analogy to deep learning is that the deep learning models are the rocket engines and the immense amount of data is the fuel to those rocket engines. ”)
因此,技术的发展和进步永远不会停止,深度学习技术和算法也是如此。为了在这个日新月异的世界中保持竞争力,每个人都必须跟上最新的科技进步。
学习交流
目前开通了技术交流群,群友超过500人,添加时最好备注形式为:来源+兴趣方向,方便找到志同道合的朋友
- 方式1、发送如下图片至微信,长按识别,关注后台回复:加群;
- 方式2、微信搜索公众号:机器学习社区,关注后台回复:加群;
十大值得关注的深度学习算法相关推荐
- 万字长文解读深度学习算法在自动驾驶规控中的应用
交流群 | 进"传感器群/滑板底盘群"请加微信号:xsh041388 交流群 | 进"汽车基础软件群"请加微信号:ckc1087 备注信息:群名称 + 真实姓名 ...
- 大数据基石python学习_资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频,涵盖入门/中级/项目各阶段!...
原标题:资源 | 177G Python/机器学习/深度学习/算法/TensorFlow等视频,涵盖入门/中级/项目各阶段! 这是一份比较全面的视频教程,基本上包括了市面上所有关于机器学习,统计学习, ...
- Python大数据综合应用 :零基础入门机器学习、深度学习算法原理与案例
机器学习.深度学习算法原理与案例实现暨Python大数据综合应用高级研修班 一.课程简介 课程强调动手操作:内容以代码落地为主,以理论讲解为根,以公式推导为辅.共4天8节,讲解机器学习和深度学习的模型 ...
- Dataset:数据集集合(综合性)——机器学习、深度学习算法中常用数据集大集合(建议收藏,持续更新)
Dataset:数据集集合(综合性)--机器学习.深度学习算法中常用数据集大集合(建议收藏,持续更新) 目录 常规数据集 各大方向分类数据集汇总 具体数据集分类 相关文章 DL:关于深度学习常用数据集 ...
- 【重磅】Google元老Eric Schmidt发布《深度学习2020大综述》,深度学习集大成者
关注上方"深度学习技术前沿",选择"星标公众号", 技术干货,第一时间送达! 最近谷歌元老级人物Eric Schmidt和Maithra Raghu发布了深度学 ...
- 斯坦福大学马腾宇:无法理解现有的深度学习算法?那就设计一个能理解的
2020-01-22 05:41:34 作者 | 丛末 编辑 | Camel 本科毕业于清华姚班.博士毕业于普林斯顿大学,师从 Sanjeev Arora 教授,马腾宇作为 AI 学界一颗冉冉升起的新 ...
- 一文梳理深度学习算法演进
来源:https://zhuanlan.zhihu.com/p/464515049 作者:Peter潘欣 编辑:蘑菇先生 学习记涉及语音.图像.nlp.强化学习.隐私保护.艺术创作.目标检测.医疗.压 ...
- 强生进军医疗机器人、Deepmind利用深度学习算法检查乳腺癌X光,AI医疗的风口已到来?...
合作是AI在医疗领域快速赋能的一大解决方式. 一直以来,强迫症.忧郁症等情绪类精神疾病都被业界认为是没有办法从生理上进行治愈的疾病,最近,在<自然>杂志上公布的最新AI+医疗的神经算法就可 ...
- 深度学习算法简要综述(上)
点击上方"算法猿的成长",关注公众号,选择加"星标"或"置顶" 总第 123 篇文章,本文大约 2300 字,阅读大约需要 7 分钟 原文 ...
最新文章
- 3D广告建模-C4D Octane渲染视频教程
- 如何用计算机猜数字,杭电2010计算机复试笔试题 2道acm简单题(2010):1.猜数字游戏;2.字符串提取数字并求和;...
- python中的float和eval_python中eval和float_python中eval与json.loads对json的处理
- 简单枚举(算法竞赛入门经典)
- 《WebForm开发系列高级篇》Item2导出EXCEL通用类(GridView,DataList,Repeater,DetailView)
- kettle 资料_Kettle的使用-初级
- 回滚机制_【巨杉数据库SequoiaDB】巨杉 Tech | 并发性与锁机制解析与实践
- 会议容易中吗_在装配式建筑中重要又容易被忽视的部分,你中招了吗?
- 频段表_5G频段范围之:频段3.3GHz-4.2GHz (n77,n78)
- 95-170-046-源码-Time-Flink时间系统系列之ProcessFunction使用分析
- html内容权重计算,HTML CSS 选择器权重计算规则
- OpenCV精进之路(九):图像轮廓和图像分割修复——图像修复技术
- Java开发逻辑思维题
- JavaScript是什么意思?
- python加减乘除_python加减乘除
- tensorflow 版本列表_TensorFlow 版本兼容性
- 现在的区块链现况技术如何?
- python 的魔方方法__getattribute__ 和__getattr__方法介绍
- 黑苹果安装教程:解锁VM
- (前端学习)寒假第一周周报