返回主题:深度表示与任务网络

知识卡片

普通读书笔记卡 · 2702.d

深度表征学习

理解等级:未标注

深度学习与传统机器学习的关键区别,是原始数据可以直接输入网络,不再需要人先做特征工程。多层网络逐级学习特征:以汽车图像为例,前面的卷积层识别边缘、拐点,后面的层在此基础上组合出车轮、车门等高级特征。当规则和人工特征难以穷举时,更值得投入的是能让系统自动学习表征的数据闭环。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第3章《人工智能技术》(源文件:_epub-src/OEBPS/text00007.html) - 结论依据:原文说明传统机器学习依赖特征工程,深度学习的重要区别是原始数据可直接作为深度神经网络输入;卷积神经网络中特征识别循序渐进,靠近输入层识别基础特征(边缘、拐点),后序层对前序特征进一步抽象,接近输出层识别车轮、车门等高级特征。 - 原始内容:深度学习与传统机器学习的一个重要区别就在于原始数据可以被直接作为深度神经网络模型的输入……越靠近输入层的卷积层,其使用的卷积核所能识别的特征就越基础,后序卷积层中的卷积核会对前序卷积核所识别的特征进行进一步抽象,得到更高级的特征。