深度学习的实现与发展——从神经网络到机器学习

感知器相关概念是Frank Rosenblatt提出的人工神经网络的基本理论框架。在感知器的理论前提下,结合反向传播等算法,机器学习达到了有监督的浅层学习水平。过去的三十年里,得益于计算机性能的提高和Geoffrey Hinton,Yann Le Cun等研究者的贡献,深度神经网络所涉及的几种学习思想和技术如卷积神经网络、受限玻尔兹曼机、自动编码器等大幅度提高了机器的学习效率。如今,深度学习的研究成果已经成功应用在语言识别、目标识别、神经语言程序学、人工智能等领域,具有巨大的发展潜力和社会价值。深度学习有向无监督的学习和复杂数据模型分析等方面发展的趋势。