【知識之心】彙集精華內容, 帶你領略技術的歷史、思想、公司、核心技術點
從技術發展的意義上
大家談論它的熱衷程度,已超乎想象
Google、Facebook、微軟以及其它創業公司
深度學習的廣泛應用
讓它載入史冊
其動機在於建立可以模擬人腦進行去分析學習
模仿人腦的邏輯去解釋數據的神經網絡
知識故事
1943年
神經元M-P模型,開啓人工神經網絡
心理學家Warren Mcculloch和數理邏輯學家Walter Pitts在合作的論文中提出並給出了人工神經網絡的概念及人工神神經元的數學模型,從而開創了人類神經網絡研究的時代。
1949年
Hebb提出學習規則,神經網絡研究演進
心理學家Donald Hebb在論文中提出了神經心理學理論,Hebb認爲神經網絡的學習過程最終是發生在神經元之間的突觸部位,突觸的聯結強度隨着突觸前後神經元的活動而變化,變化的量與兩個神經元的活性之和成正比。
1958年
兩層神經網絡,神經網絡研究熱潮
心理學家Frank Rosenblatt受到這種思想的啓發,認爲這個簡單想法足以創造一個可以學習識別物體的機器,並設計了算法和硬件。直到1957年,Frank Rosenblatt在《New York Times》上發表文章《Electronic ‘Brain’ Teaches Itself》,首次提出了可以模型人類感知能力的機器,並稱之爲感知機(Perceptron)。
1969年
感知器的研究和神經網絡的冰河期
感知機被證明不能處理諸多的模式識別問題,Marvin Minsky和Seymour Paper仔細分析了以感知機爲代表的單層感知機在計算能力上的侷限性,證明感知機不能解決簡單的異或(XOR)等線性不可分問題,但Rosenblatt和Minsky及Papery等人在當時已經瞭解到多層神經網絡能夠解決線性不可分的問題。
1986年
反向傳播B-M算法,解決兩層神經網絡的複雜性
反向傳播用來訓練人工神經網絡(Artificial Neural Network,ANN)的最常用且最有效的算法。
2000年
深度學習(多層神經網絡)開啓
深度學習極大地促進了機器學習,人工智能領域的發展,收到世界各國相關領域研究人員和高科技公司的重視。Deep Instinct,Lunit,Nnaisense,TeraDeep,Vuno等深度學習公司風起雲涌,開啓了深度學習的瘋狂模式。
研究領域
深度學習算法應用最廣泛的三個領域
語音識別
圖像識別
自然語言處理
深度學習重點知識點
caffe開源庫
tensorflow開源庫
theano開源庫
torch開源庫
mxnet開源庫
人物