深度学习是一种人工智能(AI)功能,它模仿人脑在处理数据和创建用于决策的模式时的工作方式。深度学习是人工智能中机器学习的一个子集,它的网络能够在无监督的情况下从非结构化或无标记的数据中学习。也称为深度神经学习或深度神经网络。
随着数字时代的到来,深度学习也在不断发展,数字时代带来了世界各地各种形式的数据爆炸式增长。这些数据,简称大数据,来自社交媒体、互联网搜索引擎、电子商务平台和在线影院等。这些海量数据易于访问,可以通过云计算等金融技术应用程序共享。
然而,这些通常是非结构化的数据非常庞大,人类可能需要几十年的时间才能理解并提取相关信息。公司意识到,解开这些丰富的信息可以带来难以置信的潜力,并越来越多地适应人工智能系统的自动化支持。
深度学习揭示了大量的非结构化数据,这些数据通常需要人类几十年的时间才能理解和处理。
用于处理大数据的最常见人工智能技术之一是机器学习,这是一种自适应算法,可以根据经验或新添加的数据获得越来越好的分析和模式。
如果一家数字支付公司想要检测其系统中欺诈的发生或潜在情况,它可以为此目的使用机器学习工具。建立在计算机模型中的计算算法将处理数字平台上发生的所有事务,在数据集中找到模式,并指出模式检测到的任何异常。
深度学习是机器学习的一个子集,它利用人工神经网络的层次结构来实现机器学习过程。人工神经网络就像人脑一样建立起来,神经元节点像网络一样连接在一起。传统的程序以线性的方式建立数据分析,而深度学习系统的分层功能使机器能够以非线性的方式处理数据。
电子产品**商松下一直在与大学和研究中心合作,开发与计算机视觉相关的深度学习技术。
检测欺诈或洗钱的传统方法可能依赖于随后发生的交易量,而深入学习的非线性技术将包括时间、地理位置、IP地址、零售商类型以及可能指向欺诈活动的任何其他特征。神经网络的第一层处理原始数据输入,如事务量,并将其作为输出传递给下一层。第二层处理前一层的信息,包括额外的信息,如用户的IP地址,并传递其结果。
下一层获取第二层的信息,包括原始数据,如地理位置,并使机器的模式更好。这种情况在神经元网络的各个层次都会持续。
使用上面提到的欺诈检测系统和机器学习,可以创建一个深入学习的例子。如果机器学习系统创建了一个模型,模型中的参数建立在用户发送或接收的美元数量上,那么深度学习方法就可以开始建立在机器学习提供的结果上。
它的每一层神经网络都建立在前一层的基础上,添加了数据,如零售商、发件人、用户、社交媒体事件、信用评分、IP地址,以及一系列其他功能,如果由人类处理,这些功能可能需要数年才能连接在一起。深度学习算法不仅可以从所有事务中创建模式,还可以知道模式何时发出欺诈调查的信号。最后一层将一个信号传递给分析员,分析员可以冻结用户的帐户,直到所有未决的调查完成。
深度学习在所有行业都被用于许多不同的任务。使用图像识别的商业应用程序、带有消费者推荐应用程序的开源平台,以及探索新疾病药物再利用可能性的医学研究工具,都是深度学习整合的几个例子。
深度学习,也称为深度神经网络或神经学习,是人工智能(AI)的一种形式,旨在复制人脑的工作方式。它是机器学习的一种形式,具有在非线性决策过程中运行的函数。当在没有监督的情况下对非结构化数据做出决策时,就会发生深度学习。对象识别、语音识别和语言翻译是通过深度学习完成的一些任务。
作为机器学习的一个子集,深度学习使用层次神经网络来分析数据。神经元代码在这些层次神经网络中连接在一起,类似于人脑。与机器中的其他传统线性程序不同,深度学习的层次结构允许它采用非线性方法,跨一系列层处理数据,每个层将集成后续的附加信息层。
当使用深度学习来检测欺诈时,它将利用几个信号,例如IP地址、信用评分、零售商或发送者等等。在其人工神经网络的第一层,它将分析发送量。在第二层中,它将建立在这些信息的基础上,并包括IP地址,例如。在第三层,信用评分将添加到现有信息中,依此类推,直到做出最终决定。
神经网络与深度学习的关键区别在于,神经网络的运行方式与人脑中的神经元相似,可以更快地完成各种计算任务,而深度学习是一种特殊的机器学习,模仿人类获取知识的学习方法。 神经网络有助于建立预测模型来解决复...
...,您将学习如何在实际数据上实现人工神经网络(ANN)和深度神经网络(DNN)。 精通PyTorch的ANN和深度学习:这是一个完整的PyTorch和Python的神经网络和深度学习课程。本文详细介绍了PyTorch以及如何在不同的深度学...
谷歌想教你深度学习-如果你准备好了。这家科技巨头推出了一门免费课程,讲解支撑其众多服务的机器学习技术(谷歌将深度学习应用于从语音识别到自动整理照片集的所有方面。)这门课程可在营利性教育网站Udacity上获得,按...
...的一个研究小组推出了一种新的计算机芯片,该芯片专为深度学习而优化,这是一种人工智能的方法,正越来越受欢迎。这种被称为“Eyeriss”的芯片可以让移动设备在不连接互联网的情况下执行自然语言处理和面部识别等任务...
...在英伟达GPU技术年会上透露,这款特斯拉P100 GPU可以执行深度学习神经网络任务,速度是该公司此前的高端系统的12倍。Nvidia声称,P100对Nvidia来说是一个巨大的承诺,研发成本超过20亿美元,它在一个芯片上搭载了高达1500亿个晶...
...,它不是乔治·霍茨的逗号.ai-据报道,它正在致力于将“深度学习”引入自主汽车技术。Drive.ai希望让自己的驾驶人工智能能够独立学习,而不是对汽车进行编程,让它知道该做什么。这意味着,像人类一样,它花在驾驶上的时...