随着计算成本和存储成本的降低,通过机器学习来获得复杂模型已经成为可能.“深度学习”( deep learning)是一个从属于机器学习(machine learning)研究中的新兴领域，其目的在于通过建立、模拟人类大脑进行学习的神经网络，来模仿人类大脑解释数据的机制，从而利用计算机进行图形识别、语音识别、文本分析等研究。深度学习作为人工神经网络的一个分支,通过大量的数值计算来获得每个计算阶段的权值,从而构建结构复杂、预测精确的模型.对深度学习的研究发展、技术思想、分析模型等内容进行了深入研究,对深度学习的训练过程给出了详细的描述.同时,对深度学习的目前的应用领域进行了具体分析以及深度学习在大数据时代的应用进行了预测.深度学习的训练方法有很多，本文描述一个在非监督数据上建立多层神经网络的有效方法。常用的深度学习模型有稀疏编码、限制玻尔兹曼机和卷积神经网络。现阶段，深度学习已经在语音识别和大数据上初显出其强大的威力，在搜索领域形成普遍且成熟的应用。继微软之后，谷歌、百度也在将深度学习引入其业务范围。目前，谷歌、百度、微软均提供了基于深度学习的语音识别技术，用户可以更方便地在计算机上和互联网进行数据的交换，极大增强用户搜索体验、提高数据服务质量。
展开▼
