机构名称：
¥ 1.0
副教授 - PG系[M.C.A. ]，印度古吉拉特邦甘帕特大学。 抽象深度学习在我们的生活中起着重要作用。 它已经对癌症诊断，个性化医学，自动驾驶汽车，预测分析和语音识别等领域产生了巨大影响。 在传统学习，分类和模型识别系统中使用的直观手工制作的功能对于大型数据集很有价值。 在许多情况下，根据问题的复杂性，DL还可以克服过去稀疏网络的局限性，以防止有效的训练和空间表示高维训练数据。 深层网络使用具有复杂算法和体系结构的许多单元（深）单元。 本文回顾了几种优化方法，以提高训练准确性并减少训练时间。 我们深入研究了最新深层网络中使用的培训算法背后的数学。 我们描述当前的失败，改进和实现。 该评论还涵盖了不同类型的深度体系结构，例如深卷积网络，深层网络，常规网络，强化学习，差异自动编码器等。 关键字：机器学习算法，优化，人工智能，深度神经网络体系结构，卷积神经网络，反向传播，监督和无监督的学习。 1。 简介深度学习是一种训练计算机和人工智能的机器学习技术。 它是受人脑结构的启发。副教授 - PG系[M.C.A.]，印度古吉拉特邦甘帕特大学。抽象深度学习在我们的生活中起着重要作用。它已经对癌症诊断，个性化医学，自动驾驶汽车，预测分析和语音识别等领域产生了巨大影响。在传统学习，分类和模型识别系统中使用的直观手工制作的功能对于大型数据集很有价值。在许多情况下，根据问题的复杂性，DL还可以克服过去稀疏网络的局限性，以防止有效的训练和空间表示高维训练数据。深层网络使用具有复杂算法和体系结构的许多单元（深）单元。本文回顾了几种优化方法，以提高训练准确性并减少训练时间。我们深入研究了最新深层网络中使用的培训算法背后的数学。我们描述当前的失败，改进和实现。该评论还涵盖了不同类型的深度体系结构，例如深卷积网络，深层网络，常规网络，强化学习，差异自动编码器等。关键字：机器学习算法，优化，人工智能，深度神经网络体系结构，卷积神经网络，反向传播，监督和无监督的学习。1。简介深度学习是一种训练计算机和人工智能的机器学习技术。它是受人脑结构的启发。深度学习起源于人工神经网络（ANN），经过数年的研究和开发，与其他机器学习算法相比，它的发展效率更高[1]。深度学习算法旨在通过基于逻辑模式不断分析数据来绘制与人类相同的判断。深度学习使机器能够处理像人类这样的图像，文本或音频文件，以完成类似人类的任务。为了实现这一目标，深度学习使用了一组称为神经网络的算法集。顾名思义，深度学习涉及将网络层的深入研究，其中包括隐藏的层。 随着人们提取更深入，更复杂的信息。 深度学习是基于迭代学习方法，该方法将机器暴露于大量数据中。 它可以帮助计算机学会识别行为并适应变化。 机器能够学习数据集之间的差异，理解逻辑并在重复接触后做出更好的决策[2]。 [3]中介绍了有关深度学习的审查。 在[3]中提供以下信息：统计模型包含许多层以控制。 使他们能够通过深度学习学习具有不同级别的数据表示。 通过使用这些技术，现代技术已经在许多领域开发，包括视觉识别，语音识别，基因组学，药物顾名思义，深度学习涉及将网络层的深入研究，其中包括隐藏的层。随着人们提取更深入，更复杂的信息。深度学习是基于迭代学习方法，该方法将机器暴露于大量数据中。它可以帮助计算机学会识别行为并适应变化。机器能够学习数据集之间的差异，理解逻辑并在重复接触后做出更好的决策[2]。[3]中介绍了有关深度学习的审查。在[3]中提供以下信息：统计模型包含许多层以控制。使他们能够通过深度学习学习具有不同级别的数据表示。通过使用这些技术，现代技术已经在许多领域开发，包括视觉识别，语音识别，基因组学，药物
使用机器学习的高频交易
主要关键词
相关文件推荐
