2. 程式人生 > >機器學習前沿熱點–Deep Learning（二）

機器學習前沿熱點–Deep Learning（二）

阿新 • • 發佈：2019-02-16
         一、Deep Learning的前世今生
         圖靈在 1950 年的論文裡，提出圖靈試驗的設想，即隔牆對話，你將不知道與你談話的，是人還是電腦[1]。這無疑給計算機，尤其是人工智慧，預設了一個很高的期望值。但是半個世紀過去了，人工智慧的進展，遠遠沒有達到圖靈試驗的標準。這不僅讓多年翹首以待的人們心灰意冷，認為人工智慧是忽悠，相關領域是“偽科學”。
         2008 年6 月，“連線”雜誌主編，Chris Anderson 發表文章，題目是 “理論的終極，資料的泛濫將讓科學方法過時”，並且文中還引述經典著作 “人工智慧的現代方法”的合著者，時任 Google 研究總監的 Peter Norvig 的言論，說 “一切模型都是錯的。進而言之，拋棄它們，你就會成功”[2]。
言下之意，精巧的演算法是無意義的。面對海量資料，即便只用簡單的演算法，也能得到出色的結果。與其鑽研演算法，不如研究雲端計算，處理大資料。如果這番言論，發生在 2006 年以前，可能我不會強力反駁。但是自 2006 年以來，機器學習領域，取得了突破性的進展。圖靈試驗，至少不是那麼可望而不可即了。至於技術手段，不僅僅依賴於雲端計算對大資料的並行處理能力，而且依賴於演算法。這個演算法就是，Deep Learning。藉助於 Deep Learning 演算法，人類終於找到了如何處理 “抽象概念”這個亙古難題的方法。
         於是學界忙著延攬相關領域的大師。Alex Smola 加盟 CMU，就是這個背景下的插曲。懸念是 Geoffrey Hinton 和 Yoshua Bengio 這兩位牛人，最後會加盟哪所大學。
Geoffrey Hinton 曾經轉戰 Cambridge、CMU，目前任教University of Toronto。相信挖他的名校一定不少。Yoshua Bengio 經歷比較簡單，McGill University 獲得博士後，去 MIT 追隨 Mike Jordan 做博士後。目前任教 University of Montreal。

相關推薦

機器學習前沿熱點–Deep Learning（二）

         一、Deep Learning的前世今生         圖靈在 1950 年的論文裡，提出圖靈試驗的設想，即隔牆對話，你將不知道與你談話的，是人還是電腦[1]。這無疑給計算機，尤其是人工智慧，預設了一個很高的期望值。但是半個世紀過去了，人工智慧的進展，遠遠沒有達到圖靈試驗的標準。這不僅讓多

【面向程式碼】學習 Deep Learning（二）Deep Belief Nets(DBNs)

========================================================================================== 最近一直在看Deep Learning，各類部落格、論文看得不少 但是說實話，這樣做有

【機器學習】決策樹演算法（二）— 程式碼實現

#coding=utf8 ‘’’ Created on 2018年11月4日 @author: xiaofengyang 決策樹演算法：ID3演算法 ‘’’ from sklearn.feature_extraction import DictVectorize

機器學習之python入門指南（二）元組、集合、字典的使用

Python3中元組、集合、字典的使用 Python中元組的用法元組的建立與訪問 元組和列表類似，不同之處在於元組不能修改，元組使用小括號，列表使用方括號，注意元組中如果只包含以個元素需要在後面加，否則會被當作運算子使用 元組與字串類似，下標索引從0開始，可以進行擷取，取捨

機器學習之K-近鄰演算法（二）

本章內容： K-近鄰分類演算法 從文字檔案中解析和匯入資料 使用matplotlib建立擴散圖 歸一化數值 2-1 K-近鄰演算法概述 簡單的說，K-近鄰演算法採用測量不同特徵值之間的距離方法進行分類。 K-近鄰演算法 優點：精度高、對異常

基於機器學習的NLP情感分析（二）---- 分類問題

基於機器學習的NLP情感分析（二）—- 分類問題 前文提到了如何把一個文字轉換為相應的詞向量，本文討論的是如何進行分類。 feature相關性 首先，需要看看我之前選出來的feature，是否能夠滿足需求。 這裡其實有很多引數沒有顯示出來

系統學習機器學習之半引數方法（二）--基於密度

轉自：https://www.cnblogs.com/pinard/p/6208966.html 基於密度聚類 DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基於密度的聚類方法)是一種很典型的密

系統學習機器學習之距離的度量（二）--DTW

 Dynamic Time Warping（DTW）誕生有一定的歷史了（日本學者Itakura提出），它出現的目的也比較單純，是一種衡量兩個長度不同的時間序列的相似度的方法。應用也比較廣，主要是在模板匹配中，比如說用在孤立詞語音識別（識別兩段語音是否表示同一個單詞），手勢

Deep Learning（二）Deep Belief Nets(DBNs) 結合MATLAB程式碼 分析

分類： 機器學習2013-07-24 11:50 517人閱讀 評論(5) 收藏 舉報 目錄(?)[-] ========================================================================================== 最近一直在看De

系統學習機器學習之正則化（二）

監督機器學習問題無非就是“minimizeyour error while regularizing your parameters”，也就是在規則化引數的同時最小化誤差。最小化誤差是為了讓我們的模型擬合我們的訓練資料，而規則化引數是防止我們的模型過分擬合我們的訓練資料。多麼簡約的哲學啊！因為引數太多，會導致

Note——Neural Network and Deep Learning （1）[神經網路與深度學習學習筆記（1）]

一、初學神經網路的體會 正如書中作者說的神經網路可以被稱作最美的程式設計正規化之一，神經網路將我們需要解決的複雜問題，比如手寫字型分類，簡化成一個個簡單的步驟，而本人無需瞭解內部的具體結構引數變化等。關於神經網路已經有很多實用的庫，使用這些庫可以很快的解決問題。但是不滿

機器學習（十二）——機器學習中的矩陣方法（2）特徵值和奇異值

QR分解（續） 令A=[a1,⋯,an]，其中ai為列向量。則： u1u2u3uk=a1,=a2−proju1a2,=a3−proju1a3−proju2a3,⋮=ak−∑j=1k−1projujak,e1e2e3ek=u1∥u1∥=u2∥u2∥=u3∥

深度學習Deep Learning（04）：權重初始化問題2_ReLu激勵函式

三、權重初始化問題2_ReLu激勵函式 1、說明 2、ReLu/PReLu激勵函式 目前ReLu啟用函式使用比較多，而上面一篇論文沒有討論，如果還是使用同樣初始化權重的方法（

跟著剛哥學習Spring框架--Spring容器（二）

contain 系統 框架 blog 關系 文件路徑 mage 文件系統 技術分享 Spring容器 啟動Spring容器（實例化容器） 　　-- IOC容器讀取Bean配置創建Bean實例之前，必須對它進行實例化（加載啟動），這樣才可以從容器中獲取Bean的實例並使用

CSS3學習系列之選擇器（二）

計算 選擇器 sky :focus ddr gree for 指定元素 學習 first-child選擇器和last-child選擇器 first-child指定第一個元素。last-child指定最後一個子元素。 例如： <!DOCTYPE html>

SSH框架學習------struts2前後臺傳值（二）

sts put ret req extends imp tps str rri struts2的Action類一般都會繼承（extends）ActionSupport類（Action類，即實現action的類）1.前傳後：jsp裏<input type="text"

機器學習入門之四：機器學習的方法-神經網絡（轉載）

轉載 bsp 圖像 src nbsp 加速 數值 str 我們 　　轉自 飛鳥各投林 　　神經網絡 　　 　　神經網絡(也稱之為人工神經網絡，ANN)算法是80年代機器學習界非常流行的算法，不過在90年代中途衰落。現在，攜著“深度學習”之勢，神

學習Opencv 2.4.9（二） ---操作像素

椒鹽噪聲 window align 是個 簡單 ++ ima opencv2 mar 作者：咕唧咕唧liukun321來自：http://blog.csdn.net/liukun321本質上說一張圖像就是由數值組成的矩陣。Opencv 2.x由 cv::Mat 這個數據

機器學習---支持向量機（SVM）

行處理 off 距離 又是 分類器 libs 自己的 cos 一個 非常久之前就學了SVM，總認為不就是找到中間那條線嘛，但有些地方模棱兩可，真正編程的時候又是一團漿糊。參數任意試驗，毫無章法。既然又又一次學到了這一章節，那就要把之前沒有搞懂的地方都整明確，嗯~

linux學習之進程篇（二）

通過 passwd 查看 現在 替換 cnblogs exe -1 stdio.h 進程原語 1.fork #include<unistd.h> pid_t fork(void); 　 fork 　　子進程復制父進程，子進程和父進程的PID是不一樣的，在