词条

深度学习

深度学习（英语：deep learning）是机器学习拉出的分支，它试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。深度学习的好处是用非监督式或半监督式（英语：Semi-supervised learning）的特征学习和分层特征提取高效算法来替代手工获取特征（英语：Feature (machine learning)）。

表征学习的目标是寻求更好的表示方法并创建更好的模型来从大规模未标记数据中学习这些表示方法。表达方式类似神经科学的进步，并松散地创建在类似神经系统中的信息处理和通信模式的理解上，如神经编码，试图定义拉动神经元的反应之间的关系以及大脑中的神经...

深度学习相关文献

光深度

公式光深度表现的是光束在介质中传播的路径上被散射或吸收而被移除的量。如果I0{displaystyleI_{0}}是辐射源的强度，I{displaystyleI}是通过路径后，观测者测到的强度，则

查看全文

深度优先搜索

C++的实现定义一个结构体来表达一个NODE的结构：structNode{intself;//数据Node*left;//左节点Node*right;//右节点};那么我们在搜索一个树的时候，从一个节点开始，能首先获取的是它的两个子节点。例如：“ABCDEFG”A是第一个访问的，然后顺序是B和D、然后是E。然后再是C、F、G。那么我们怎么来保证这个顺序呢？这里就应该用堆栈的结构，因为堆栈是一个先进后出的顺序。通过使用C++的STL，下面的程序能帮助理解：constintTREE_SIZE=9;std::stackunvisited;Nodenodes[TREE_SIZE];Node*current;//初始化树for(inti=0;i<TREE_SIZE;i++){nodes[i].self=i;intchild=i*2+1;if(childright);//把右边压入因为右边的访问次序是...

查看全文

色彩深度

索引颜色24-bit真彩色(16,777,216色)182KB8-bit索引颜色(256色)38KB4-bit索引颜色(16色)19KB电脑自动选择一张图片中最常见的颜色，制成颜色表，一同储存在图片中。索引颜色通常是8-bit（256色），使用8-bit压缩出来的图片，看起来跟真彩色差不多，档案大小则变得很小。

查看全文

深度操作系统

历史与发展Deepin系统源于HiweedLinux（Hiwix）系统，Hiwix0.1最早发布于2004年2月28日，是一款比Ubuntu历史还要悠久的Linux发行版。Deepin系统经历了Hiwix、HiweedLinux和LinuxDeepin多次更名的同时，默认使用的桌面环境上也不断的变化，Deepin早期曾使用过IceWM、xfce、LXDE和Gnome，但是最终确定使用自行开发的DeepinDesktopEnvironment。关于基于的底层系统上，也经历了Morphix、Debian和Ubuntu的多次变化。发行版本第五届开发者与用户大会上，深度科技副总经理王勇表示为了让用户更快的体验正能量，Deepin不再像早期一样一年发行两次，也不再跟随一年发行一次的步调，而是改为准备就绪后才发行，版本号也不再与年份有相关，并且三个月会进行一次小幅更新。深度发展之软件项目Deepin桌...

查看全文

深度缓冲

发展即使深度缓冲区有足够大的分辨率，但是如果z缓冲区中距离精度不随距离均匀分布的话图像质量也可能会出现问题。距离较近的部分通常精度较高，这样近距离的物体显示质量也较高。通常这是所期望得到的结果，但是当物体距离变得较远时可能会出现人为误差。一种能够得到更加均匀分布精度的深度缓冲变体是w缓冲。在场景开始的时候，必须将深度缓冲区初始化为一个特定的值，通常初始化为1.0，这是因为1.0是深度范围0到1的上限，它意味着在整个视体（viewingfrustum）之内没有任何物体。通常认为深度缓冲概念的发明主要归功于艾德文·卡特姆，虽然WolfgangStraßer也在1974年所写的博士论文中提到了同样的思想。在最近几年的PC图形卡上，深度缓冲管理需要使用大量的内存带宽。人们采用了各种各样的方法减少深度缓冲的影响，其中的方法有无损数据压缩（因为压缩/解压所消耗的计算机资源要比带宽的占用更加合算）。另外...

查看全文

深度学习相关标签

机器学习

神经网络