深度学习 概述

deep book

0 特点

抽象化，形式化的任务 easy for com
识别对象 和语音任务 difficult

1 使用硬编码 获取知识

2 机器学习

define:AI系统需要自主获取知识的能力，从原始数据中提取模式的能力

1 机器学习算法

依赖于 给定数据的表示
表示方法将决定 处理速度

2 人工智能任务

1.提取一个合适的特征集
2.特征集提供给简单的机器学习算法

3 特征提取问题

1.特征变化 难以准确描述

1 表示学习

define ： 机器学习来挖掘 表示 本身

example： 自编码器（autoencoder）

自编吗器 由一个编码器encoder 和一个解码器（decoder） 函数组成。
编码器：输入数据 转换为不同的表示 fft
解码器： 新的变换转换回原来的形式 ifft
新的表示 会有更好的特性
tip： 2000年 日本 思想类似

2 变差因素

分离出能解释观察数据的变差因素
指代 影响的 不同来源
例如： 分析语音记录时候 ： 年龄 性别 口音等

需要对数据进行 复杂的 接近人类认知水平的理解进行辨识

3 深度学习

深度学习模型 ： 多层感知机MLP
将一组输入值 映射到输出值的数学函数

1.计算机 通过简单的概念 构建复杂的概念 ： 学习 数据的 正确 “表示”

2.深度 促使计算机学习一个多步骤的计算机的程序

4 度量 深度学习模型深度

1 基于评估架构所需要执行的顺序指令的数目（输入到输出的最长路径）

2 深度概率模型 ： 描述概念彼此如何关联的图的深度 视为模型深度