深度学习入门1

标签：提高   语音识别   解决   计算   参数   设置   方法   细节   神经元   

发布这个系列，一来是为了总结自己的学习，二来也是希望给深度学习初学者一些入门的指导。好废话不多说了，我们直接进入主题，这一节先说一下，深度学习发展历程。

1. 1958，感知器（相当于生物的神经元）
2. 1969，Minsky提出感知器模型具有局限性，导致神经网络研究陷入低潮
3. 1980s, 多层神经网络（模拟人类神经元连接）
4. 1986， 反向传播（用于训练模型参数）
5. 1989， 一层隐藏层已经足够，不需要“深‘（深度学习模型设置的问题）
6. 2006,  受限玻尔兹曼机出现（提出解决vanish gradiet的方法）
7. 2009，提出GPU加速（现在很火的tensorflow支持GPU加速，提高训练的速度)
8. 2011至今，深度学习运用在语音识别，图像识别，语义分析，推荐系统，相比与传统算法准确率更高。

　　其实深度学习能在2011年后迅猛发展，不仅是因为深度学习的研究获得长足的发展，更重要的是数据量的增加以及计算机运算性能的提高。

　　如果你有机器学习的基础，我现在明确的告诉你，训练好的深度学习模型就是一个函数。好的，今天做个开头，接下来会慢慢展开深度学习的细节，尽情期待。

深度学习入门1

标签：提高   语音识别   解决   计算   参数   设置   方法   细节   神经元   

原文地址：http://www.cnblogs.com/ml-lsc/p/6937403.html