504
機器人
“人工智能”如何“深度學習”
深度學習技術是人工智能（AI）的一個重要實現方法，在語音識別、圖像識別、自然語言處理和搜索廣告預估等領域的應用都取得了驚人的進展。緣其如此，穀歌、微軟、阿裏、騰訊、百度等全球著名的高科技公司爭相投入資源，占領深度學習的技術製高點。各大公司以深度學習為主要研究方向的研究院所紛紛成立，大量技術人員涉足深度學習領域，大量以深度學習為核心技術的創業公司湧現。可以想象在不久的未來，以深度學習為代表的人工智能技術將滲入人們生活的方方麵麵，像水、電、氣等基礎資源一樣與人們的生活息息相關。在智能家居、自動駕駛、機器人、無人機等領域大顯身手，並逐步完成從雲端到終端的轉化。
《深度學習入門與實踐》包含六方麵的內容，結合理論與實踐全麵闡釋了深度學習的原理及應用、具有詳盡的原理分析、程序驗證。
此書第一部分介紹了深度學習和機器學習的基本知識，闡述了人工智能、機器學習和深度學習之間的關係。通俗的講解深度學習的常用概念及概念之間的關係，如回歸、分類、聚類；監督學習、非監督學習、強化學習；感知機、神經網絡等。隨後介紹了深度學習的發展曆程及前輩學者們對深度學習領域所做出的貢獻。最後列出了深度學習及相關領域的著名國際會議、期刊、賽事和學術團隊，以方便讀者獲取學習資料和進行學術研究。
圖1.1 常用概念文氏圖
此書第二部分介紹了深度學習的原理，回歸的概念。以生物學家Galton所研究的父子身高問題為例介紹了線性回歸的基本原理，講述了線性回歸的兩種求解方法：梯度下降法和正規方程法，並用R、MATLAB和Python三種工具求解了父子身高問題。隨後以學生考試問題為例介紹了邏輯回歸的基本原理，給出了邏輯回歸問題求解的過程，並用R、MATLAB和Python三種工具解決了學生考試問題。
圖2.8 非凸函數J(θ0, θ1)梯度下降
此書第三部介紹了神經網絡的工作流程。闡述了神經網絡的基本單元Rosenblatt感知機的工作原理和訓練方法，並以一個二維空間中線性可分的點集為例驗證了感知機的訓練方法。隨後簡要介紹了人工神經網絡的由來、網絡架構和訓練方法。最後用Pybrain實現了一個三層神經網絡，借助實例初步展現了人工神經網絡的神奇功能。
圖3.9MNIST手寫數字識別神經網絡結構
此書第四部分介紹了Caffe所基於的基本架構，卷積神經網絡CNN的由來和基本工作原理。闡述了Caffe架構中Blob、Layer、Net和Solver等幾個基本類的作用，並以一個車型識別的簡單實例初步驗證了Caffe的功能。最後介紹了目標檢測的基本原理和幾個當前最流行的算法：Faster R-CNN、YOLO和SSD等，並用開源的Caffe實例驗證了Faster R-CNN和SSD算法的性能。圖片分類和目標檢測是深度學習在圖像識別領域的兩個重要應用，事實證明，Caffe對這兩個應用有著較好的支持。
圖4.25網絡結構
圖4.36YOLO算法原理
此書第五部分介紹了TensorFlow的由來和基本工作原理。闡述了TensorFlow架構中圖、張量、運算和會話等基本概念，以一個簡單的計算應用讓讀者初步認識TensorFlow。隨後用TensorFlow重寫了父子身高問題的線性回歸實例。
圖5.8 MNIST數字識別TensorBoard輸出圖像展開
此書第六部分闡述了強化學習的基本原理，以一個簡單的九宮棋為例講述了強化學習的基本算法：Q學習算法。隨後介紹了AlphaGo的基本架構，其賴以常勝不敗的監督學習策略網絡、強化學習策略網絡和估值網絡等組件的工作原理。最後介紹了深度學習的一個有趣應用：畫風遷移，以饗讀者。以上所有內容均節選自書籍“《深度學習入門與實踐》龍飛 王永興著清華出版社”。
圖6.3 弈棋決策樹狀搜索過程
以上內容節選自清華出版社《深度學習入門與實踐》龍飛 王永興著
內容來源：《深度學習：入門與實踐》
作者：龍飛，王永興 著
出版：清華大學出版社
最後更新：2017-10-08 06:53:08