深度學(xué)習(xí)是什么意思？近年來(lái)，隨著信息社會(huì)、學(xué)習(xí)科學(xué)和課程改革的發(fā)展，深度學(xué)習(xí)是一種新的學(xué)習(xí)形式。目前，對(duì)深度學(xué)習(xí)的概念有很多答案，很多專家學(xué)者的解釋是本質(zhì)意義一致的表述略有不同。李嘉厚教授認(rèn)為，深度學(xué)

深度學(xué)習(xí)是什么意思？

近年來(lái)，隨著信息社會(huì)、學(xué)習(xí)科學(xué)和課程改革的發(fā)展，深度學(xué)習(xí)是一種新的學(xué)習(xí)形式。

目前，對(duì)深度學(xué)習(xí)的概念有很多答案，很多專家學(xué)者的解釋是本質(zhì)意義一致的表述略有不同。

李嘉厚教授認(rèn)為，深度學(xué)習(xí)是建立在理解的基礎(chǔ)上的。學(xué)習(xí)者可以批判性地學(xué)習(xí)新的想法和事實(shí)，將它們?nèi)谌朐械恼J(rèn)知結(jié)構(gòu)，將許多想法聯(lián)系起來(lái)，并將現(xiàn)有的知識(shí)轉(zhuǎn)移到新的情境中，從而做出決策和解決問(wèn)題。

郭華教授認(rèn)為，深度學(xué)習(xí)是在教師指導(dǎo)下的一個(gè)有意義的學(xué)習(xí)過(guò)程，學(xué)生圍繞挑戰(zhàn)性的學(xué)習(xí)主題，全心投入，體驗(yàn)成功，獲得發(fā)展。它具有批判性理解、有機(jī)整合、建設(shè)性反思和遷移應(yīng)用的特點(diǎn)。

深度學(xué)習(xí)有幾個(gè)特點(diǎn)。一是觸動(dòng)人心的學(xué)習(xí)。第二，體驗(yàn)式學(xué)習(xí)。三是深入認(rèn)識(shí)和實(shí)踐創(chuàng)新的研究。

深度學(xué)習(xí)的預(yù)測(cè)模型有哪些？

深度學(xué)習(xí)模型很常見(jiàn)：卷積神經(jīng)網(wǎng)絡(luò)CNN、堆疊式自動(dòng)編碼器SAE、遞歸神經(jīng)網(wǎng)絡(luò)DNN、生成對(duì)抗網(wǎng)絡(luò)Gan、深度信念網(wǎng)絡(luò)DBN、深度神經(jīng)網(wǎng)絡(luò)DNN、深度強(qiáng)化學(xué)習(xí)DRL以及模型的許多變體。

深度學(xué)習(xí)中沒(méi)有預(yù)測(cè)模型，只是那些模型是一個(gè)預(yù)測(cè)問(wèn)題。GDP預(yù)測(cè)是一個(gè)連續(xù)的問(wèn)題。我覺(jué)得CNN、DBN和DNN不合適。如果數(shù)據(jù)量有限，參考互聯(lián)網(wǎng)金融，我覺(jué)得遷移學(xué)習(xí)深度學(xué)習(xí)模式是一個(gè)不錯(cuò)的選擇。個(gè)人觀點(diǎn)僅供參考。您可以關(guān)注深度學(xué)習(xí)和微信官方賬號(hào)的NLP]。深層神經(jīng)網(wǎng)絡(luò)是生物學(xué)的第一個(gè)啟示。同時(shí)，一些特定的深層神經(jīng)網(wǎng)絡(luò)模型在一定程度上類似于人類大腦皮層的結(jié)構(gòu)。

例如，2017年10月，美國(guó)普渡大學(xué)綜合腦成像實(shí)驗(yàn)室的劉忠明在大腦皮層發(fā)表了《基于動(dòng)態(tài)自然視覺(jué)深度學(xué)習(xí)的神經(jīng)編解碼》，基于深度神經(jīng)網(wǎng)絡(luò)模型對(duì)動(dòng)態(tài)視覺(jué)進(jìn)行編解碼。這項(xiàng)工作基于972個(gè)視頻片段和11.5小時(shí)的功能磁共振數(shù)據(jù)，通過(guò)深度神經(jīng)網(wǎng)絡(luò)（fMRI）編碼和解碼，磁共振成像技術(shù)檢測(cè)由于氧合血紅蛋白和脫氧血紅蛋白比率的變化而引起的血液磁化率的差異，并判斷相應(yīng)的腦區(qū)處于活動(dòng)或靜止?fàn)顟B(tài)），并用深層神經(jīng)網(wǎng)絡(luò)來(lái)解釋動(dòng)態(tài)視覺(jué)與腦激活的關(guān)系以及二者之間的關(guān)系。在以往的研究中，深度神經(jīng)網(wǎng)絡(luò)主要用來(lái)解釋靜態(tài)視覺(jué)和大腦激活之間的關(guān)系。目前尚不清楚深度神經(jīng)網(wǎng)絡(luò)是否可以用來(lái)解釋動(dòng)態(tài)視覺(jué)和大腦激活之間的關(guān)系。具體來(lái)說(shuō)，CNN模型的中間層負(fù)責(zé)處理抽象的視覺(jué)信息，與人類視覺(jué)皮層的層次結(jié)構(gòu)非常相似。

最終效果非常好。在編碼方面，它取決于ROI（感興趣區(qū)域）。在相同的ROI范圍內(nèi)，平均精度可達(dá)0.4～0.6，跨ROI的精度為0.25～0.3。

此答案中使用的圖片均取自原稿。