深度学习模型的应用研究

机输人一个程序以后 ， 再输入很多数据 ， 计算机必须学
习这些 数据 。 就 算计 算机 完成 学 习要耗 上一 天 的时 间 ， 也 比人 工制 定规则 让计 算机 学 习要 快很 多 ［ 卜 之 ］ 。机器学 习 及 其 子领 域 深 度 学 习 ｌ ３ ， 这 些 年来 发 展 极 为 迅 速 。
个 问 题 ，就 是 单 个 Ｇ Ｕ Ｐ不 适 合 对 大 规 模 数 据 进 行 识 别 ，这 样会 导 致基 于最 小 批处 理 的 随机 梯度 优 化 算法
模的数据 ，同时在处理 图像或者语音这种需要手工设
计 的 问题上 ， 能取得 更 好 的效 果 ｌ ８ ］ 。此外 ， 从 用 训 练好 模 型来识 别 特征 和 分类 器 的角 度 看 ，深 度学 习框架 把 特 征 和分类 器 集合起 来 ， 让 计算 机 用 数据 去 学 习特 征 ， 减 少 了传 统 的 机 器 学 习 中手 工 提 取 特 征 的 特 大 工 作
功 能 ，该功 能 利用 深度 学 习技 术 提取 和 分 析 邮件语 义
式 中： ａ Ｅ ｋ ］ 是叠 加碎 片 ｓ Ｅ ｋ ］ 的权重 系数 。
的， 比如语言辨识 ， 我们在训练模型时 ， 对输人数据进 行训练以后 ，所提取的特征并不包含足够的信息来将
不 同 的语 言 区分开 来 ，这 些特 征 只 能 简单 地描 述 语音 的内在 变化 。深 度学 习还 有很 多 的研究 要做 ， 可谓 是任
深度学习（ Ｄ ｅ ｅ ｐ Ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ） 在信号处理中应用特别广泛 ， 不仅可 以对语音 、 图像和视频类 的文件进行学习 ， 还可
凯 明 团队利用 １ ５ ２层 网络在 Ｉ ｍ ａ ｇ ｅ Ｎ ｅ ｔ 比赛 上将 错误 率 降低 到 ３ ． ５ ７ ％。谷 歌在 ２ ０ １ ５年 的 Ｉ ／ ０ 大 会 推 出 了
７１
不可忽略的问题。因为有些深度学习模型的网络十分 庞大 ， 前期我们需要采集很多的数据来进行训练 ， 并且
自动 编码 器 、 稀 疏 编码 器、 深信 度 网络 以及 卷 积神 经 网络 ， 重 点分 析 了这
些常用模型的设计理念、 训练过程以及优点和不足 ， 并且使 用深度 学习做 了关于人脸框选、 图像识别等实验 ， 进一步验证 了深度学 习模型在应用 中
的 有效 性 。
关 键词 ： 深度 学 习； 模型 ； 卷积神 经 网络 ； 图像 识 别 中图分 类号 ： Ｔ Ｐ １ ８ １ 文 献标 识码 ： Ａ
深 度 学 习 模 型 的 应 用 ｘ Ｏ ｔ － 究
安培 松 １ பைடு நூலகம் ２
（ １ ． 太原理工大学信息工程学院 ， 山西太原 ， ０ ３ ０ ０ ２ ４ ；
２ ． 中煤 能源 集 团平朔 集 团 ， 山西朔 州 ， ０ ３ ７ ６ ０ ０ ）
摘
要： 介绍 了深度学习的来源发展、 本质特征、 训练思想和常用模 型， 如
量。 深度学习重点强调 的是训练过程 中所使用 的模型 ， 在模型 中所用到的参数是在训练阶段从数据中学习获
得 的 。然而 ， 我 们在 使 用深 度学 习 的时候 ， 还 存 在一 些
示了新的研究成果——全 自动 的同声传译 系统 。据报 道， 这是卷积神经 网络的应用成果。２ ０ １ ５年 ， 微软的何
以学习文本 ， 并能够传递语义信息。
深 度学 习 能够得 到更 好地 表 示数 据 的 特征 ，同 时 由于模 型 的层 次 、 参数很多 ， 因此 ， 模 型 能 表 示很 大规
重而道远。比如 ： 探索新的特征提取模型 ， 来更快更好 地表达信息 ； 寻找一种有效 的可并行训练算法 ， 也值得 我们投入时间和精力去研究 ；摆在我们面前的还有一
１ 深度 学 习概 述
机器学 习（ Ｍａ ｃ ｈ ｉ ｎ ｅ Ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ） 强调 的 是 ， 在 给计 算
好地优化这个模型 ［ ９ 』 。
深 度学 习现在 已经在 多 种模 式 分类 问题上 派 上 用 场。 虽 然现 在 这方 面 的研 究还 处 于萌芽 阶段 ， 但 是一 旦 研究 成 功 ， ＭＬ和 Ａ Ｉ 方 面 的研究 也会 突 飞猛进 。 深度 学 习在 研 究 过 程 中还 有 一 些 特 定 任 务 是 机 器 无 法 处 理
需要一个具有很强运算能力（ Ｇ Ｐ Ｕ） 的计 算 机 ， 才 能 更
安培松
深度学习模型的应用研究
本刊 Ｅ － ｍ ａ ｉ ｈ ｓ ｘ ｋ ｊ ｚ ｚ ｓ ＠１ ６ ３ ． ｅ ｏ ｍ
信息工作研究
Ｇ ｏ ｏ ｇ ｌ ｅ Ｐ ｈ ｏ ｔ ｏ ｓ ； ２ ０ １ ６年 ３月 ， 谷歌 又投人 大量 人力 物力 ，
Ｓ ｕｍ
＿
ｋ （ ｏ ［ ｊ ＊ Ｓ Ｅ ｋ ］ ） 一 一 ＞
开发 了一 款新 的人 ＿ 丁智 能程 序 Ａ ｌ ｐ ｈ ａ Ｇ ｏ ， 这 个新 的程 序 非 常擅长 围棋 ， 以４ ： １ 的 总 比分 打败 了世 界 围棋 冠军 李 世石 ； ２ ０ １ ５年底 ， 谷歌 在 Ｇ ｍ ａ ｉ ｌ 上 上 线 了邮 件 自动 回复
山西科技
文章编号 ： １ ０ ０ ４ — ６ ４ ２ ９ （ ２ ０ １ ７ ） ０ ５ — ０ ０ ７ １ — ０ ５
Ｓ Ｈ Ａ Ｎ Ｘ Ｉ Ｓ Ｃ Ｉ Ｅ Ｎ Ｃ Ｅ Ａ Ｎ Ｄ Ｔ Ｅ Ｃ Ｈ Ｎ Ｏ Ｌ Ｏ Ｇ Ｙ
２ ０ １ ７ 年
第３ ２ 卷
第５ 期
收稿 日期 ： ２ ０ １ ７ — ０ ８ — １ ５
不能通过 Ｇ Ｕ Ｐ加速来并行训练 。而且 ， 我们需要使 网
络模 型 更加 准 确高 效 ，使 深度 学 习 能更 好 地应 用 于生 活实 际 中 。 深度 学 习在 计算 机 视 觉 和 自然语 言 处理 上 有着 广 泛 的应用 。 ２ ０ １ ２ 年 １ １ 月， 微 软公 司在 天 津举 办活 动 ， 展