面向深度学习的五大神经网络模型及其应用

编译作者: 布加迪 2020-11-02 08:00:00

面向深度学习的五大神经网络模型及其应用

【51CTO.com快译】神经网络是识别一组数据中潜在关系的一系列算法。这些算法很大程度上有赖于人脑的运作方式。神经网络可以适应不断变化的输入,生成最佳结果,无需重新设计输出标准。在某种程度上,这些神经网络类似生物神经元的系统。

深度学习是机器学习的重要组成部分,深度学习算法基于神经网络。有几种功能不同的神经网络架构,最适合特定的应用场景。本文介绍一些最知名的架构,尤其是深度学习方面的架构。

多层感知器

多层感知器(MLP)是一类前馈人工神经网络。感知器这个术语具体是指单个神经元模型,它是大型神经网络的前体。

MLP包括节点的三个主要层:输入层、隐藏层和输出层。在隐藏层和输出层中,每个节点都被视为使用非线性激活函数的神经元。MLP使用一种称为反向传播的监督式学习技术进行训练。初始化神经网络时,为每个神经元设置权重。反向传播有助于调整神经元权重,以获得更接近预期的输出。

对于涉及表格数据集、分类预测问题和回归预测问题的项目,MLP最理想。

卷积神经网络

卷积神经网络(CNN)模型处理具有网格图案(比如图像)的数据。它旨在自动学习特征的空间层次结构。CNN通常包括三种类型的层:卷积层、池化层和完全连接的层。

卷积层和池化层执行特征提取任务,这些提取的特征由完全连接的层映射到最终输出中。 CNN最适合图像处理。

图像识别、图像分类、对象检测和人脸识别是CNN的一些应用场景。

递归神经网络

在递归神经网络(RNN)中,前一步的输出将作为输入被反馈回到当前步骤。RNN中的隐藏层实现这种反馈系统。该隐藏状态可以存储有关序列中之前步骤的一些信息。

RNN中的“内存”可帮助模型记住已计算的所有信息。反过来,它使用这些同样的参数,以便每个输入生成输出,因而降低了参数的复杂性。

RNN是使用最广泛的神经网络类型之一,主要是由于RNN具有更强的学习能力,而且能够执行诸如学习手写或语言识别之类的复杂任务。RNN适用的其他一些领域包括预测问题、机器翻译、视频标记、文本摘要,甚至音乐创作。

深度信念网络

深度信念网络(DBN)使用概率和无监督学习来生成输出。DBN由二进制潜在变量、无向层和有向层组成。DBN有别于其他模型,原因是每一层都按顺序进行调节,每一层都学习整个输入。

在DBN中,每个子网的隐藏层都是下一个的可见层。这种组合可以实现快速的逐层无监督训练过程:对比差异应用于每个子网,从最低可见层开始。贪婪的学习算法用于训练DBN。学习系统每次取一层。因此,每一层收到不同版本的数据,每一层都使用前一层的输出作为其输入。

DBN主要应用于图像识别、视频识别和运动捕获数据。

受限玻尔兹曼机

玻尔兹曼机(RBM)是一种生成式非确定性(随机)神经网络,可学习其输入集的概率分布。RBM是组成深度信念网络构建模块的浅度两层神经网络。RBM中的第一层名为可见层或输入层,第二层名为隐藏层。它由名为节点的类似神经元的单元组成;节点跨层相互连接,但不在同一层内。

RBM通常用于降维、推荐系统和主题建模等应用场景。不过近年来,生成式对抗网络(GAN)在渐渐取代RBM。

原文标题:Top 5 Neural Network Models For Deep Learning & Their Applications,作者:Shraddha Goled

【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

深度学习 神经网络 人工智能
上一篇:AI发展座谈会:探讨如何用机器学习来帮助农民 下一篇:下一个十年,AI将在这10大领域颠覆世界
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

「AI+安防」成为家庭安防新基调不可小觑

面对家庭安防公众意识不断增强的现状和社会大环境的趋势,家庭安全无疑是人们日常防护的关键。近年来,人工智能技术的迅速发展为家庭安防提供多角度的解决方案。

机器之能 ·  15h前
新冠肺炎医疗保健市场与以往不同

毫不奇怪,新冠肺炎的出现将为医疗保健相关应用带来许多机遇,尤其是物联网。

iothome ·  16h前
你的AI和机器学习项目安全性如何?

人工智能和机器学习再给我们带来利益的同时,它们的安全性需要引起我们的重视。其安全性如何呢?

Maria Korolov ·  16h前
人工智能赋能,让城市更聪明地发展

以人工智能等多种高科技手段为依托搭建的城市大脑,正成为新冠疫情下城市经济发展和服务民众的“黑科技”。

庄乾阁 ·  16h前
人工智能支持的临床监测系统的兴起

人工智能(AI)已经进入生活的各个领域。在医疗方面人工智能发挥了怎样的好处呢?

Cassie ·  20h前
人工智能支持的临床监测系统的兴起

人工智能(AI)已经进入生活的各个领域。由于移动应用和物联网设备的出现,人工智能以前所未有的方式帮助打破了数据鸿沟。目前,医疗系统也同样在很多方面拥抱人工智能的好处。

Cassie ·  20h前
人工智能作用凸显!更多机器人上岗会影响就业吗?

从短期看,人工智能对就业总量影响相对温和,结构影响重于数量影响,但就业结构性矛盾处于上升通道,潜在的技术性失业风险在增加。

韩秉志 ·  21h前
想成为机器学习信息工厂,企业需要从精益制造学到这六个精髓

根据调研机构Forrester Research公司最近发布的一份调查报告,机器学习(ML)对于企业的业务获得成功至关重要。98%的IT领导者认为,机器学习运维(MLOps)将为自己的公司带来决定性的竞争优势。但是,只有6%的公司认为其机器学习运维(MLOps)功能已经很成熟,并且可以从中受益。

李睿 ·  23h前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载