機(jī)器學(xué)習(xí)：一個(gè)老生常談的問題，在深度學(xué)習(xí)的出現(xiàn)下，機(jī)器學(xué)習(xí)開啟了一個(gè)新的時(shí)代，人工智能好像也離我們越來越近，大致梳理一下深度學(xué)習(xí)的內(nèi)容，初學(xué)可以做知識(shí)網(wǎng)絡(luò)去學(xué)習(xí)，學(xué)會(huì)者可以用來查漏補(bǔ)缺。
深度學(xué)習(xí)是計(jì)算深度大于二的運(yùn)算結(jié)構(gòu)，計(jì)算深度在這里可以理解為 f（ax+b）其中f是一個(gè)非線性函數(shù)。

深度學(xué)習(xí)因?yàn)榉诸愐夭煌梢苑殖刹煌募?#xff0c;從學(xué)習(xí)的內(nèi)容上來分可以分為：
貝葉斯網(wǎng)絡(luò)：例如各類分類網(wǎng)絡(luò)，softmax結(jié)構(gòu)的網(wǎng)絡(luò)等
馬爾可夫網(wǎng)絡(luò)：用于學(xué)習(xí)分布，例如GAN

按照學(xué)習(xí)的過程分為:
前饋網(wǎng)絡(luò)：CNN，FN等
反饋網(wǎng)絡(luò)：RNN

類似的分類還有很多，不一一列舉

深度學(xué)習(xí)的算法：
常見主流算法：RBM，深度信念網(wǎng)絡(luò)（過時(shí)了，但是很出名），CNN，RNN（lstm），GAN等。
其他GRU之類的因?yàn)樾路f性和代表性不足不列出，如有其他遺漏歡迎補(bǔ)充。

主要方向：
現(xiàn)在基本啥都能和AI扯上關(guān)系，所以真要分清楚真的很難，大致列舉一些：
計(jì)算機(jī)視覺：目標(biāo)檢測，ocr等
自然語言處理：情感分析，文本歸類等
語音識(shí)別
知識(shí)圖譜
深度強(qiáng)化學(xué)習(xí)：這其實(shí)是一個(gè)交叉學(xué)科，我還看過有人將強(qiáng)化學(xué)習(xí)直接放到深度學(xué)習(xí)中，我認(rèn)為這種方法有些欠妥。

研究方向：
優(yōu)化算法效果，加快算法速度是老生常談的，除此之外還有：
元學(xué)習(xí)
零樣本學(xué)習(xí)
改進(jìn)或者完全改掉BP網(wǎng)絡(luò)
甚至有文章闡明大算力的需求可能源于圖靈機(jī)本身的限制

生成算法：
VAE
GAN

有時(shí)間接著補(bǔ)充。
---------------------
作者：破曉帶來者
原文：https://blog.csdn.net/poxiaodailaizhe/article/details/86598015

總結(jié)

以上是生活随笔為你收集整理的深度学习概述：当你没有方向时的加油站的全部內(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(cuò)，歡迎將生活随笔推薦給好友。