99问答网
所有问题
当前搜索:
深度学习
如何系统地学习
深度学习
?
答:
一、学以致用:理解的知识就要运用,运用才是
学习
的目的。该记住的东西要马上记住,并及时巩固,反复运用,以达到滚瓜烂熟的地步。二、重复是记忆之本:学习、尝试记忆、重复、巩固、再重复,直到倒背如流、运用自如才放过。三、反复思考:思考是一座桥,把别人的知识转化为你自己的东西。四、温故而知...
什么是
深度学习
答:
深度学习
的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来...
简述
深度学习
的基本方法。
答:
深度学习
,需要怎么做到?最佳答案 1、深度学习,首先要学会给自己定定目标(大、小、长、短),这样学习会有一个方向;然后要学会梳理自身学习情况,以课本为基础,结合自己做的笔记、试卷、掌握的薄弱环节、存在的问题等,合理的分配时间,有针对性、具体的去一点一点的去攻克、落实。2、可以学习掌握...
人工智能学习中的
深度学习
是什么意思?
答:
深度学习
(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的...
深度学习
是什么?
答:
深度学习
是一种机器学习的方法,它试图使用包含复杂结构或者由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。深度学习可以理解为神经网络的发展,神经网络是对人脑或生物神经网络基本特征进行抽象和建模,可以从外界环境中学习,并以与生物类似的交互方式适应环境。在我们这里学习深度学习...
新手如何快速入门
深度学习
答:
新手如何快速入门深度学习
深度学习
必备基础 深度学习发展至今已然有几个年头了,上个世纪九十年代的美国银行率先使用深度学习技术做为手写字体识别,但深度学习的惊艳登场并没有留住它一时的辉煌,直到2012年深度学习这个领域才开始渐入人们的眼帘。可以说我们现在拥有着绝佳的学习机会,世界顶级的会的议论文...
深度学习
有哪些优点和缺点
答:
深度学习
的主要优点如下:1:学习能力强 深度学习具备很强的学习能力。2:覆盖范围广,适应性好 深度学习的神经网络层数很多,宽度很广,理论上可以映射到任意函数,所以能解决很复杂的问题。3:数据驱动,上限高 深度学习高度依赖数据,数据量越大,它的表现就越好。在图像识别、面部识别、NLP 等领域表现...
深度学习
的特点包括:
答:
1、
深度学习
,按个人的理解主要就是多层神经网络。而多层神经网络目前效果比较好的是卷积神经网络,目前在图像和音频信号上效果比较好,而在自然语言处理上效果没有显示出来。2、深度学习从统计学的角度来说,就是在预测数据的分布,从数据中学得一个模型然后再通过这个模型去预测新的数据,这一点就要求测试...
深度学习
具体学什么?
答:
深度学习
具体都会学神经网络、BP反向传播算法、TensorFlow深度学习工具等。而神经网络需要学习的有:从生物神经元到人工神经元 激活函数Relu、Tanh、Sigmoid 透过神经网络拓扑理解逻辑回归分类 透过神经网络拓扑理解Softmax回归分类 透过神经网络隐藏层理解升维降维 剖析隐藏层激活函数必须是非线性的原因 神经网络在...
什么是
深度学习
?有什么优点和缺点?
答:
深度学习
是什么?深度学习是机器学习领域中对模式(声音、图像等等)进行建模的一种方法,它也是一种基于统计的概率模型。在对各种模式进行建模之后,便可以对各种模式进行识别了,例如待建模的模式是声音的话,那么这种识别便可以理解为语音识别。而类比来理解,如果说将机器学习算法类比为排序算法,那么深度...
棣栭〉
<涓婁竴椤
3
4
5
6
8
7
9
10
11
12
涓嬩竴椤
灏鹃〉
其他人还搜