深度学习课题汇报

深度学习课题汇报深度学习历史概述第一节

深度学习当前发展第二节内容提要第三节深度学习未来展望第四节深度学习课题研究深度学习历史概述第一节第一节深度学习历史概述出现时间:人工智能>机器学习>深度学习人工智能(AI)为机器赋予人的智能 1.包含弱人工智能和强人工智能 2.目前我们只能实现弱人工智能机器学习一种实现人工智能的方法1.机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。2.随着时间的推进，学习算法的发展改变了一切。深度学习一种实现机器学习的技术 1.深度学习的前世是机器学习 2.人工神经网络（ArtificialNeuralNetworks）是早期机器学习中的一个重要的算法 3.“深度”学习中的深度就是说神经网络中众多的层 4.深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围第一节深度学习历史概述f()“慢性肾炎”深度学习实现过程直观展示深度学习历史概述InputLayerHiddenLayersOutputLayera[4]猫[1a]1a[1]2a[1]3a[1]na[2]1a[2]2a[2]3a[2]na[3]1a[3]2a[3]3a[3]n多层神经网络可以学习更多特征第一节深度学习历史概述生物神经元a[1]1a[1]2a[1]3a[2]XŶ人工神经元人工神经网络的灵感来源于生物学意义上的神经网络1943年，心理学家沃伦·麦卡洛克和数学家沃尔特·皮茨提出神经元的数学模型-MP模型，这启发了后来神经网络和深度学习的产生。深度学习是使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法深度学习是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用数据优化计算机程序的模型参数通过经验自动改进的计算机算法第一节深度学习历史概述机器学习的基本定理模型的出错率∝推论：模型复杂-》大样本

样本小-》简化模型

Classlabel(Classification)Vector(Estimation)第一节深度学习历史概述：深度学习实施过程特征提取特征1样本数据样本数据样本数据…n预处理特征样本集原始样本集学习算法训练预测输出验证集评价目标特征1…n目标特征1…n目标特征1…n训练集目标特征1…n目标特征1…n目标特征1…n验证集目标特征1…n目标特征1…n目标预测目标预测目标预测目标改进深度学习当前发展第二节第二节深度学习当前发展：计算机视觉2012年卷积神经网络在计算机视觉图像识别方面一战成名卷积神经网络一统江湖第二节深度学习当前发展：计算机视觉lmageNet大规模视觉识别比赛取消了图像分类任务研究重点转向物体的检测与识别等更细粒度的任务第二节深度学习当前发展：自然语言如何计算一段文本序列在某种语言下出现的概率？这是NLP的一个基本问题，因为它在很多NLP任务中都扮演着重要的角色。例如，在机器翻译的问题中，如果我们知道了目标语言中每句话的概率，就可以从候选集合中挑选出最合理的句子做为翻译结果返回。词嵌入:每个词用一个低维实值向量表示第二节深度学习当前发展：自然语言2016年，谷歌上线GoogleNeuralMachineTranslation,模型如右图,其简化模型见下图神经机翻译AI第二节深度学习当前发展：自然语言对联:

信手折枝堪作笔

随心对月可成诗凭栏寄语乡音远把盏吟诗客梦长嫩枝粉蕾三分俏细柳红花一处香写诗

春晓春眠不觉晓，处处闻啼鸟。夜来风雨声，花落知多少。

作者：春风吹雨霏，处处不堪悲。夜夜深声睡，花开小院垂。AIAIAI第二节深度学习当前发展：图像标题生成第二节深度学习当前发展：多态混合检索第二节深度学习当前发展：医疗诊断2017年1月份Nature刊登了斯坦福大学的研究者利用卷积神经网络识别皮肤癌的研究成果。该系统与21位皮肤科医生进行对比测试表明了人工智能系统的皮肤癌鉴定水平与皮肤科医生相当。谷歌利用深度学习技术构造的AI系统在眼科疾病诊断准确率上超过眼科专家。谷歌成立了三家专注于医疗保健的子公司，以期利用深度学习技术创造更为强大的疾病检测，诊断和治疗范式。第二节深度学习当前发展：强化学习深度强化学习·2016年，GoogleAlphaGo战胜围棋世界冠军·2017年，Google推出AlphaGoZero，100：0横扫GoogleAlphaGo·2019年，GoogleAlphaStar在“星际争霸II”游戏中上首次击败人类职业玩家。第二节深度学习当前发展：对抗网络生成式对抗网络（GAN)第二节深度学习当前发展：GAN图像自动生成深度学习未来展望第三节深度学习未来展望自然语言处理仍然是难点成熟的自动驾驶或在不远的将来深度学习未来展望·学术界·深度学习理论较为缺乏·对于深度学习的研究处于全盛状态·向其他学科深度渗透·医学、化学、生物、物理、…·产业界·AI技术已经渗透到医疗健康、教育、工业、农业、经济和社会