[1]?LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." Nature 521.7553 (2015): 436-444.?[pdf]

地址：http://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

深度學習是由多個處理層來學習表達數(shù)據(jù)的多個層次抽象。這些方法可以顯著提高語音識別、視覺物體識別和目標檢測和許多其他領域，例如，藥物的發(fā)現(xiàn)和基于組學等。深度卷積網(wǎng)絡在圖像、視屏、語音和音頻帶來了重大突破，而循環(huán)神經(jīng)網(wǎng)絡在序列數(shù)據(jù)和文本數(shù)據(jù)上表現(xiàn)出自己的閃光點。

1. 有監(jiān)督學習

2. 多層神經(jīng)網(wǎng)絡和BP傳播

3. 卷積神經(jīng)網(wǎng)絡CNN

4. 循環(huán)神經(jīng)網(wǎng)絡RNN

5. LSTM模型

總結

以上是生活随笔為你收集整理的DL论文第一周-Deep learning的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。