[1]?LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." Nature 521.7553 (2015): 436-444.?[pdf]

地址：http://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

深度學(xué)習(xí)是由多個(gè)處理層來(lái)學(xué)習(xí)表達(dá)數(shù)據(jù)的多個(gè)層次抽象。這些方法可以顯著提高語(yǔ)音識(shí)別、視覺(jué)物體識(shí)別和目標(biāo)檢測(cè)和許多其他領(lǐng)域，例如，藥物的發(fā)現(xiàn)和基于組學(xué)等。深度卷積網(wǎng)絡(luò)在圖像、視屏、語(yǔ)音和音頻帶來(lái)了重大突破，而循環(huán)神經(jīng)網(wǎng)絡(luò)在序列數(shù)據(jù)和文本數(shù)據(jù)上表現(xiàn)出自己的閃光點(diǎn)。

1. 有監(jiān)督學(xué)習(xí)

2. 多層神經(jīng)網(wǎng)絡(luò)和BP傳播

3. 卷積神經(jīng)網(wǎng)絡(luò)CNN

4. 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN

5. LSTM模型

總結(jié)

以上是生活随笔為你收集整理的DL论文第一周-Deep learning的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。