干货 | 深度学习应用案例简述
微信公众号
关键字全网搜索最新排名
【机器学习算法】:排名第一
【机器学习】:排名第二
【Python】:排名第三
【算法】:排名第四
深度学习擅长识别非结构化数据中的模式,而大多数人熟知的图像、声音、视频、文本等媒体均属于此类数据。 下表列出了我们已知的应用类型及与之相关的行业。本文只是简单介绍深度学习在不同领域的应用状况;另外推荐一篇不错的文章(20个令人惊叹的深度学习应用【Demo+Paper+Code】),链接如下。
https://www.cnblogs.com/czaoth/p/6755609.html
点击阅读原文即可访问
声音
应用类型
探伤检测
(引擎噪音)
时间序列
应用类型
日志分析/风险检测
企业资源计划
文本
应用类型
情感分析
增强搜索
主题检索
金融
图像
应用类型
面部识别
图像搜索
社交媒体
机器视觉
汽车、航空
相片聚类
电信、手机制造
视频
应用类型
实时威胁侦测
传统机器学习的优势是能够进行特征内省-即系统理解为什么将一项输入这样或那样分类,这对于分析而言很重要。但这种优势却恰恰导致传统机器学习系统无法处理未标记、非结构化的数据,也无法像最新的深度学习模型那样达到前所未有的准确度。特征工程是传统机器学习的主要瓶颈之一,因为很少有人能把特征工程做得又快又好,适应数据变化的速度。
对于必须进行特征内省的应用情景(例如法律规定,以预测的信用风险为由拒绝贷款申请时必须提供依据),我们建议使用与多种传统机器学习算法相集成的深度神经网络,让每种算法都有投票权,发挥各自的长处。或者也可以对深度神经网络的结果进行各类分析,进而推测网络的决策原理。
原文:https://deeplearning4j.org/cn/use_cases
近期热文
广告、商业合作
请添加微信:guodongwe1991
(备注:商务合作)
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。