機器學習與深度學習的發(fā)展及應用

南京市第十三中學 周子揚

機器學習與深度學習的發(fā)展及應用

南京市第十三中學 周子揚

本文綜述了機器學習常見算法的應用，以及深度學習中常見網(wǎng)絡模型的基本原理及深度學習在計算機視覺、語言識別、信息檢索、自然語言處理等四個方面的應用。在本文的相關(guān)工作中，闡述了近七十年來機器學習的發(fā)展狀況以及深度學習的產(chǎn)生與發(fā)展。

機器學習；深度學習；神經(jīng)網(wǎng)絡；應用

一、背景

機器學習，是指借助算法來分析數(shù)據(jù)規(guī)律、并利用規(guī)律來預測結(jié)果的算法，它分為監(jiān)督學習、無監(jiān)督學習和強化學習。深度學習是機器學習中神經(jīng)網(wǎng)絡算法的擴展,它是機器學習的第二個階段--深層學習(第一階段為淺層學習),其中深度是指神經(jīng)網(wǎng)絡的層數(shù)。因為機器學習中的單層感知機只適用于線性可分問題,而無法處理線性不可分問題。但深度學習中的多層感知機可以實現(xiàn),它針對淺層學習的劣勢—維度災難(特征的維度過高,或者無法有效表達特征),能夠通過它的層次結(jié)構(gòu)、低層次特征中提取高層次特征，彌補淺層學習的不足。

由于機器學習的發(fā)展，機器學習自動學習數(shù)據(jù)隱含高等級特征的能力，會隨著模型的改進以及訓練數(shù)據(jù)的擴充而逐步提升，這導致深度學習也隨之發(fā)展。

二、機器學習常見算法應用

1.分類

（1）決策樹算法(Decision Tree, DT)

DT算法可用于文章分類工作，將關(guān)鍵句子分為不同類別；也可以用于人臉識別，對人的面部特征分類，例如鼻梁高低，獲取特征數(shù)據(jù)后，與數(shù)據(jù)庫內(nèi)數(shù)據(jù)匹配，進而識別。……