深度學習,機器學習這些名詞大家都有一定了解法竞。深度學習類似于我們的大腦計算赋焕，可以高效率地處理執(zhí)行任務(wù)参歹。此外，需要重視的一點是隆判，深度學習系統(tǒng)與傳統(tǒng)的符號計算平臺非常不同犬庇，正如人類與計算機的計算方式不同一樣，深度學習也是如此侨嘀。
Depth概念：depth:the length of the longest path from an input to an output.
DeepArchitecture的三個特點：深度不足會出現(xiàn)問題臭挽；人腦具有一個深度結(jié)構(gòu)（每深入一層進行一次abstraction，由lower-layer的features描述而成的feature構(gòu)成咬腕，就是上篇中提到的feature hierarchy問題欢峰，而且該hierarchy是一個稀疏矩陣）；認知過程逐層進行涨共，逐步抽象
Deep Learning Algorithm的核心思想：
把learning hierarchy看做一個network纽帖，則
①無監(jiān)督學習用于每一層網(wǎng)絡(luò)的pre-train；
②每次用無監(jiān)督學習只訓練一層举反，將其訓練結(jié)果作為其higher一層的輸入懊直；
③用監(jiān)督學習去調(diào)整所有層
不過，今天我們大圣眾包小編就整理些基于深度學習開發(fā)的應(yīng)用程序火鼻，看看到底有多神奇：
盲人看照片
Facebook開發(fā)的一個移動應(yīng)用室囊，可以讓盲人或者視力障礙者像正常人一樣瀏覽照片。
實時語音翻譯
微軟的Skype能夠?qū)⒄Z音實時翻譯成不同的語言魁索。
目標識別
Moodstocks（已經(jīng)被Google收購）推出的智能手機圖像識別應(yīng)用程序MoodstocksNotes融撞，可通過照片識別書籍、CD粗蔚、海報尝偎、傳單和酒標等對象。
分類照片
Yelp可以根據(jù)業(yè)務(wù)分支對照片進行分類支鸡。
自動駕駛
自動駕駛技術(shù)應(yīng)該是深度學習領(lǐng)域最為大家所知的應(yīng)用了冬念。
新材料
利用深度學習發(fā)現(xiàn)新材料。
Go系統(tǒng)
GoogleDeepMind創(chuàng)建了一個Go播放系統(tǒng)牧挣，能夠通過對抗自己來學習新的策略。
標題黨
一種RNN訓練醒陆，生成吸引眼球的標題瀑构。
文本圖像實時翻譯
Google的一個移動應(yīng)用，可將照片中的文字翻譯成您可以理解的文字。
預測未來
看看MIT這些伙計是怎么說的寺晌。
三維物體分類
手勢識別
使用不同的手勢世吨，對沒有屏幕的設(shè)備進行交互。
拍照自動微笑
SmileVector可以把一張照片的人呻征，自動轉(zhuǎn)換成微笑的表情的照片耘婚。
人類對話
例如Google開發(fā)的進行自動對話回復的郵件。
增強現(xiàn)實——臉部追蹤
百度開發(fā)的一個應(yīng)用陆赋，能夠基于深度學習技術(shù)進行面部追蹤沐祷。
倉庫優(yōu)化
一個深度學習系統(tǒng)，在倉庫中用最佳的方式拿取和放置物品攒岛，這種系統(tǒng)明顯快于傳統(tǒng)的研究方法赖临，并且效率更高。
圖片搜索
將圖像進行視覺搜索查詢灾锯。
Prosetheses控制
通知腦電圖描記器參與提取記錄中語音混合物在神經(jīng)轉(zhuǎn)向聽力假肢中的應(yīng)用兢榨。
流體模擬
利用卷積網(wǎng)絡(luò)創(chuàng)建快速且高度逼真的流體模擬。
個性化
亞馬遜使用深度學習技術(shù)來驅(qū)動其個性化功能顺饮。
腦腫瘤檢測
在2013年BRATS測試數(shù)據(jù)集上的報結(jié)果表明吵聪，802,368參數(shù)網(wǎng)絡(luò)比已發(fā)布的最先進的技術(shù)改進了超過30倍。
省電
Google正在使用DeepMind人工智能子公司的技術(shù)兼雄，以大幅節(jié)省其數(shù)據(jù)中心的電力功耗暖璧。
整理貨架
類似上面的倉庫優(yōu)化，亞馬遜研究人員基于深度學習技術(shù)分析3D掃描君旦，讓機器人對物品進行整理澎办。
攝取街景
Facebook正在利用深度學習技術(shù)，從衛(wèi)星圖像上創(chuàng)建更加準確的地圖金砍。
語音識別
通過聲音進行識別局蚀。
紅外彩色化
用戶可以更加快速準確地理解已經(jīng)被著色的紅外圖像。
圖合成
將草圖合成真實的面部圖像恕稠。
臨床事件預測
一個RNN訓練琅绅，8年時間從來自26萬患者和14805名醫(yī)生的EHR數(shù)據(jù)，該神經(jīng)網(wǎng)絡(luò)進行多標簽預測（每次診斷或藥物類別作為一個標簽）鹅巍，該系統(tǒng)可以執(zhí)行召回鑒別診斷率高達79%千扶，明顯高于基線。
皮膚評價和建議
使用深度學習來確定客戶的“皮膚年齡”骆捧，確定問題領(lǐng)域澎羞，并提供旨在解決這些問題的產(chǎn)品方案。
看完這些神奇的例子敛苇，是不是覺得深度學習離我并不是很遠妆绞，很多東西我們天天都在使用，所以別把深度學習看得多難，只要好好鉆研一樣可以括饶！
原文地址：http://www.dashengzb.cn/articles/a-311.html
（更多大數(shù)據(jù)與商業(yè)智能領(lǐng)域干貨株茶、或電子書，可添加個人微信號（dashenghuaer))
