深度學習、機器學習與模式識別的研究

陳星沅　姜文博　張培楠

摘 要：科學技術的不斷進步，帶來計算機技術的飛速發展，使得利用計算機實現人工智能成為可能，就是通過計算機去完成過去只有人才能做的智能工作。機器學習是計算機實現智能的重要方式，人工智能的發展離不開機器學習的支撐。深度學習、機器學習和模式識別，是三個非常接近的概念，與當下最熱門的科技主題——機器人和人工智能聯系緊密。該文分析了深度學習、機器學習和模式識別的相關概念和聯系，研究了機器學習的發展歷程。

關鍵詞：計算機技術 深度學習 機器學習 模式識別

中圖分類號：G624 文獻標識碼：A 文章編號：1672-3791（2015）11（a）-0012-02

1 深度學習、機器學習與模式識別的聯系

模式識別、機器學習和深度學習代表三種不同的思想流派。模式識別是最古老的，而且在現在術語中也是相對過時的一種說法；近些年，機器學習發展迅速，并且在相關領域的實際應用中取得較好的效果，是當下計算機領域的熱門技術，不少初創公司為之興起。而深度學習是繼機器學習之后，又一個嶄新的研究領域，現在還處于科研的初期階段，人們甚至都很難預測深度學習未來的影響力。

當下，三者之間有以下發展態勢：

（1）機器學習就像是一個真正的冠軍一樣持續昂首而上；

（2）模式識別一開始主要是作為機器學習的代名詞；

（3）模式識別正在慢慢沒落和消亡；

（4）深度學習是個嶄新的和快速攀升的領域。

2 模式識別：智能程序的誕生

模式識別出現于上世紀七八十年代，它主要是研究如何讓計算機實現智能化，比如對數字“3”的識別。在經過大量的測試和研究之后，計算機科研人員通過構建程序，進一步實現了五十年代一直被人們向往和崇拜的人工智能，例如將“3”與“B”或者“8”區分開來。最初，人們并不在意智能技術是如何實現甚至如何操作的，只要減少人工操作就滿足了大多數人的需求。不過，如果你的算法對圖像應用了一些像濾波器、邊緣檢測和形態學處理等一些高端的技術后，模式識別相關專家就會對它產生極大的興趣，光學字符識別就是通過這些專家研究誕生的。因此，把模式識別稱為70年代，80年代和90年代初的“智能”信號處理是合適的。決策樹、啟發式和二次判別分析等就是在這個時期研發出來的。而且，在這個時代，模式識別是計算機科研領域的“大紅人”，成為科研人員爭相研究的技術。

2 機器學習：從樣本中學習的智能程序

2.1 機器學習概念

機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

2.2 機器學習發展狀況

到上世紀九十年代，隨著模式識別計算方法的成熟和人們對人工智能的認識也越來越深入，科研人員逐漸發現大數據的重要性。就是通過大量相關數據的采集積累，用數據取代在圖像方面非常有經驗的專家。因此，科研人員搜集大量的人臉和非人臉圖像，再經過某一個算法的計算，然后經過計算機程序的自動識別計算，等著計算機完成對這些圖像的學習，這是機器學習的研究思路。

“機器學習”是人為將大量相關數據輸入計算機程序中，計算機按照設定有規律有計劃地消化學習這些數據，發現總結出其中隱含的信息。計算機的學習要遠遠超過相關科研人員學習討論得出的結論的準確性，而且會通過數據來真實地說明事實存在但是人類很難發覺的信息。計算機的速度和精確度是人為很難達到的。

步入21世紀，機器學習的技術水平逐步成熟，成為計算機科研領域的重點研究對象。機器學習的應用范圍也開始擴大，不只是識別單純的字符、圖像，逐漸向高新科技產業發展。比如實現機器人的學習、操作、行動，以及在生物工程中，對大量基因數據的分析，還有在金融市場中，通過分析大量數據變動，做出市場預測等。機器學習不再是計算機科研人員的熱門話題，也成為機器人專家等各種運用到機器學習的領域爭相研究的對象。

3 深度學習：一統江湖的架構

3.1 深度學習概念

深度學習是想通過模仿人腦的思考方式，建立類似于人腦的神經網絡，來實現對數據的分析，按照人的思維做出相關解釋，形成人們易于理解的圖像、文字或者聲音。

深度學習分為有監督和無監督學習兩種類型，學習模型根據學習框架的類型來確定。例如，卷積神經網絡就是一種深度的監督學習下的機器學習模型，而深度置信網就是一種無監督學習下的機器學習模型。

3.2 深度學習現狀及未來發展

如今的計算機領域，隨處可以看到一個奪人眼球的技術——深度學習。而在深度學習的模型中，研究熱度最高的是卷積神經網絡，是一種能夠實現大量圖像識別任務的技術。

深度學習的重點是對模型的運用，模型中需要的參數是通過對大量數據的學習和分析中得到的。在深度學習的研究中，還有大量的問題需要考慮解決。面對龐大的網絡系統，一個高維度的模型需要獲得并且學習大量數據，還要有對大數據的強大運算和分析能力。圖像處理器就是類似于這樣具有強大處理能力的工具。

深度學習作為目前炙熱的科研項目，存在很多急需要解決的問題。現在，又還沒有一本完整的關于深度學習的研究書籍甚至是學習指南，相關的理論知識并不成熟，現實操作中問題重重。雖然深度學習具有很強大的市場前景，對人類的誘惑力很大，但大家并不能僅沉迷于其中，改變世界的進步手段仍然還有許多。不過，只要人們通過不斷增加機器學習技能，深度學習的未來發展空間會非常廣闊。

人們應該敢于思考和創新，不受深度學習的框架限制，勇于對這些框架進行調整改變，進而得到協同當下工作的算法方式。未來，通過人們對深度學習領域的深入了解，相信深度學習一定會給人類帶來現在難以想象的驚喜。然而，偉大的發明定要有強大的專業知識、堅定的信念和一顆不屈不撓的心，隨著市場開發的加快，這個美好的愿景一定會實現。

4 其他相關術語

（1）大數據：大數據是個豐富的概念，例如包含大量數據的存儲，數據中隱含信息的挖掘等。通過對大數據的學習和分析，企業領導者從中可以得到很多決策性意見。大數據與機器學習的結合在前幾年就已經開始出現，并且結合范圍越來越廣泛。現在，甚至軟件項目開發中的普通員工都會接觸到大數據、云計算這些服務。

（2）人工智能（Artificial Intelligence）：人工智能是上世紀五十年代提出的概念，但同時也是最模糊不清的。相關專家認為：人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

5 結語

深度學習、機器學習和模式識別是關于智能學習領域的三個先后發展的技術，這三者相似但關注的重點有所不同。相信隨著人們創造力的不斷提升和科技水平的不斷進步，深度學習和機器學習會帶給人們越來越多的驚喜。

參考文獻

[1] 杜明，周而重.機器學習在模式識別中的應用研究[J].科技信息，2009（9）：37-38.

[2] 鄭胤，陳權崎，章毓晉.深度學習及其在目標和行為識別中的新進展[J].中國圖像形象學報，2014（2）：175-184.

[3] 郭麗麗，丁世飛.深度學習研究進展[J].計算機科學，2015，42（5）：28-33.

[4] 郭亞寧，馮莎莎.機器學習理論研究[J].中國科技信息，2010（14）：208-209，214.

[5] 洪國彬.模糊模式識別的若干問題研究[J].華僑大學學報：自然科學版，1993（1）：119-123.