深度神经网络人工智能技术-深度神经网络人工智能技术研究

C0f3d30c8时间2024-09-14 23:09:43分类AI技术浏览149

导读：大家好，今天小编关注到一个比较有意思的话题，就是关于深度神经网络人工智能技术的问题，于是小编就整理了3个相关介绍深度神经网络人工智能技术的解答，让我们一起看看吧。以神经网络为主要手段的深度学习属于什么人工智能学派？机器学习、深度学习、神经网络、深度神经网络之间有何区别？神经网络啥时候改名叫“深度学习”了？以神经……...

大家好，今天小编关注到一个比较有意思的话题，就是关于深度神经网络人工智能技术的问题，于是小编就整理了3个相关介绍深度神经网络人工智能技术的解答，让我们一起看看吧。

以神经网络为主要手段的深度学习属于什么人工智能学派？
机器学习、深度学习、神经网络、深度神经网络之间有何区别？
神经网络啥时候改名叫“深度学习”了？

以神经网络为主要手段的深度学习 属于 什么人工智能学派？

以神经网络为主要手段的深度学习属于联结主义人工智能学派，也叫仿生学派或生理学派，联结主义学派从神经生理学和认知科学的研究成果出发，把人的智能归结为人脑的高层活动的结果，强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。其中人工神经网络就是其典型代表性技术。 

机器学习、深度学习、神经网络、深度神经网络之间有何区别？

其实一开始，我也是被这个几个词搞的晕晕的，不过经过阅读书籍及网络查找资料，已经完全搞清楚了这几个概念之间的区别。

（图片来源网络，侵删）

机器学习早在20世纪50年代就已经很火了，它有着很长的历史，主要指的是研究如何使用机器来模拟人类学习活动的一门学科。

简单的说，就是让机器具备学习能力，就叫机器学习了。

深度学习的概念由Hinton等人于2006年提出，Hinton被誉为深度学习之父，不过深度学习的本质就是人工神经网络。

（图片来源网络，侵删）

深度学习是机器学习的一种。

神经网络如果前面没有加前缀，一般是指生物神经网络，生物神经网络指的就是动物大脑，我们的大脑由无数个(几十上百亿)个神经元组成，这些神经元组成了一个极其复杂的神经网络，这个神经网络就是我们大脑的核心，人类为什么具备学习，思维及意识等，就是因为我们人类有着生物界最为强大的神经网络(即大脑)。

我们有着这么强大的神经网络，自然是全球科学家都希望能够模拟的，如果能够模拟成功，那么机器也能够跟人一样，至少能够具备学习能力，于是就有了人工神经网络。

（图片来源网络，侵删）

深度神经网络其实就是一种神经网络，无论它指的是生物的神经网络，还是人工的神经网络，它指的都是这个神经网络的复杂度，拿人工神经网络来说，神经网络的层数越多，就越复杂，它所具备的学习能力就越深，因此我们就称之为深度神经网络了。

神经网络啥时候改名叫“深度学习”了？

神经网络和深度学习从来不是同一个概念。前者是一种解决问题的模型，后者是一类机器学习的分支。二者分属不同的范畴领域。

神经网络（Neural Networks）是一种模拟人类神经系统的数学模型，用于解决复杂的模式识别和决策问题。它通常由多个神经元（或节点）组成，这些神经元通过连接（或权重）相互通信并处理输入数据。通过反向传播算法，神经网络可以通过调整权重来学习如何将输入映射到输出，从而实现模式识别和预测等任务。

深度学习（Deep Learning）是机器学习的一个分支，它通过使用多层神经网络（即深度神经网络）来解决复杂的模式识别和决策问题。深度学习利用神经网络的多层架构来自动学习数据表示，从而可以处理非常高维度、非常复杂的数据集，例如图像、语音、文本等。深度学习在许多领域中取得了巨大成功，如计算机视觉、自然语言处理、语音识别等。

因此，神经网络通常是深度学习的基本构件之一。深度学习也涵盖了其他的技术，例如卷积神经网络（Convolutional Neural Networks）、循环神经网络（Recurrent Neural Networks）、生成对抗网络（Generative Adversarial Networks）等。简而言之，神经网络是深度学习的基础模块，而深度学习是神经网络的更广泛和更高级的领域。

你可以这样理解这些名词之间的关系：

人工智能

├── 机器学习

│ ├── 监督学习

│ │ ├── 分类

│ │ ├── 回归

本是同根生相煎何太急。

深度学习可以理解成用深度神经网络（DNN，Deep Neural Network）来进行机器学习，他俩的关系可以从这个定义中一目了然地看出来。

深度神经网络（DNN）一般分为三种架构

朴素的DNN：就是一般性的神经网络往多层扩展，缺点很多包括训练缓慢，用Backprop进行训练梯度衰减得厉害；

深度置信（信念）网络（DBN，Deep Belief Network）：基于RBN（Restricted Boltzmann Machine）的性质而建立起来的深度神经网络，优点是比朴素的DNN训练快些，适用于最大似然概率的估计；

卷积深度置信网络（CDBN，Convolutional Deep Belief Networks）：比DBN训练更快些，适用于非常大型的图像或者语音识别。