深度学习
深度学习
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

热点

深度学习·2017-09-30
姜沫 · 鞋盒新能源 擅长领域:服务器, 存储, 主机
60 会员关注
近年来,深度学习的发展势头迅猛,要跟上深度学习的进步速度变得越来越困难了。几乎每一天都有关于深度学习的创新,而大部分的深度学习创新都隐藏在那些发表于ArXiv和Spinger等研究论文中。本文介绍了部分近期深度学习的进展和创新,以及Keras库中的执行代码,本文还提供了原论文...(more)
浏览2854
循环神经网络·2017-09-29
时东南 · 外资银行 擅长领域:人工智能, 大数据, 机器学习
368 会员关注
RNN是什么循环神经网络即recurrentneuralnetwork,它的提出主要是为了处理序列数据,序列数据是什么?就是前面的输入和后面的输入是有关联的,比如一句话,前后的词都是有关系的,“我肚子饿了,准备去xx”,根据前面的输入判断“xx”很大可能就是“吃饭”。这个就是序列数据。循环神经...(more)
浏览2784
人工智能·2017-09-28
时东南 · 外资银行 擅长领域:人工智能, 大数据, 机器学习
368 会员关注
大数据时代的到来,为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下,人工智能技术获得了前所未有的长足进步。其进展突出体现在以知识图谱为代表的知识工程以及深度学习为代表的机器学习等相关领域。随着深度学习对于大数据的红利消耗殆尽,深度学习模型效...(more)
浏览1483
机器学习·2017-09-28
快乐的包子 · 某银行 擅长领域:服务器, 人工智能, 机器学习
43 会员关注
最近,许多好用的机器和深度学习软件变得十分易得,例如scikit-learn,Weka,Tensorflow,等等。机器学习理论是与统计学、概率论、计算机科学、算法等方面交叉的领域,它产生于从数据出发的学习迭代,试图找出用于开发智能应用的隐藏的洞见。尽管机器学习和深度学习有无限的可能性,对这...(more)
浏览1916
证券人工智能·2017-09-25
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
581 会员关注
这是个比较抽象的问题,举例来说,如果通过大数据挖掘出一个客户经常查看某一支股票,但一直没有下单,则表明他可能比较看好这支股票,但是比较犹豫,这时候给他推送关于这支股票的资讯和行情,客户可能就不会那么犹豫不决了。这个过程中最重要的是数据要全,质量要高,计算方式有多种,其中...
人工智能·2017-07-30
匿名用户
收藏14
评价22
金币5

描述

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。...(more)
深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。
X社区推广
  • 提问题