深度學(xué)習(xí)是什么意思？近年來，隨著信息社會、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。李嘉厚教授認為，深度學(xué)

深度學(xué)習(xí)是什么意思？

近年來，隨著信息社會、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，將它們?nèi)谌朐械恼J知結(jié)構(gòu)，將許多想法聯(lián)系起來，并將現(xiàn)有的知識轉(zhuǎn)移到新的情境中，從而做出決策和解決問題。

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

深度學(xué)習(xí)有幾個特點。一是觸動人心的學(xué)習(xí)。第二，體驗式學(xué)習(xí)。三是深入認識和實踐創(chuàng)新的研究。

深度學(xué)習(xí)的預(yù)測模型有哪些？

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

深度學(xué)習(xí)中沒有預(yù)測模型，只是那些模型是一個預(yù)測問題。GDP預(yù)測是一個連續(xù)的問題。我覺得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，我覺得遷移學(xué)習(xí)深度學(xué)習(xí)模式是一個不錯的選擇。個人觀點僅供參考。您可以關(guān)注深度學(xué)習(xí)和微信官方賬號的NLP]。深層神經(jīng)網(wǎng)絡(luò)是生物學(xué)的第一個啟示。同時，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，美國普渡大學(xué)綜合腦成像實驗室的劉忠明在大腦皮層發(fā)表了《基于動態(tài)自然視覺深度學(xué)習(xí)的神經(jīng)編解碼》，基于深度神經(jīng)網(wǎng)絡(luò)模型對動態(tài)視覺進行編解碼。這項工作基于972個視頻片段和11.5小時的功能磁共振數(shù)據(jù)，通過深度神經(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)處于活動或靜止狀態(tài)），并用深層神經(jīng)網(wǎng)絡(luò)來解釋動態(tài)視覺與腦激活的關(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)主要用來解釋靜態(tài)視覺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)是否可以用來解釋動態(tài)視覺和大腦激活之間的關(guān)系。具體來說，CNN模型的中間層負責(zé)處理抽象的視覺信息，與人類視覺皮層的層次結(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。