九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

近幾年深度學(xué)習(xí)發(fā)展迅猛，更是由于前段時間的AlphaGo而轟動一時，國內(nèi)開始迎來這一技術(shù)的研究熱潮。極驗(yàn)也算是國內(nèi)研究深度學(xué)習(xí)比較早的公司，那這么火的深度學(xué)習(xí)到底是經(jīng)歷了一段怎樣的發(fā)展過程呢？今天小編就來給大家扒一扒深度學(xué)習(xí)的發(fā)展史。

1943年

神經(jīng)科學(xué)家麥卡洛克（ W.S.McCulloch）和數(shù)學(xué)家皮茲（W.Pitts）建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型，稱為MP模型。所謂M-P模型，其實(shí)是按照生物神經(jīng)元的結(jié)構(gòu)和工作原理構(gòu)造出來的一個抽象和簡化了的模型，人工神經(jīng)網(wǎng)絡(luò)的大門由此開啟。

1949年

加拿大著名心理學(xué)家唐納德·赫布提出了Hebb學(xué)習(xí)規(guī)則，這是一種無監(jiān)督的學(xué)習(xí)規(guī)則，網(wǎng)絡(luò)模型根據(jù)大量的訓(xùn)練樣本提取相應(yīng)的統(tǒng)計特征，從而按照樣本的相似程度進(jìn)行分類，這和我們?nèi)祟愓J(rèn)知事物很相似。Hebb學(xué)習(xí)規(guī)則表明了網(wǎng)絡(luò)是可以學(xué)習(xí)的，這啟發(fā)了后面一系列關(guān)于神經(jīng)網(wǎng)絡(luò)的研究工作。

1958年

計算機(jī)科學(xué)家羅森布拉特（ Rosenblatt）提出了兩層神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)，稱之為“感知器”。感知器可以說是最早的人工神經(jīng)網(wǎng)絡(luò)，也算是具有學(xué)習(xí)功能M-P模型，這種學(xué)習(xí)功能表現(xiàn)為神經(jīng)元連接權(quán)值可以被調(diào)節(jié)。
兩層神經(jīng)網(wǎng)絡(luò)的提出引起了科學(xué)界對于神經(jīng)網(wǎng)絡(luò)的研究熱潮，整個1958年~1969年期間，有許多科學(xué)家和學(xué)者都投入到了兩層神經(jīng)網(wǎng)絡(luò)的研究。但是由于當(dāng)時的計算水平相對落后，兩層的神經(jīng)網(wǎng)絡(luò)的計算也顯得很吃力。

1969年

馬文.明斯基（Marvin Minsky）就證明了感知器的致命弱點(diǎn)，感知器并不能夠解決異或問題，并且指出兩層神經(jīng)網(wǎng)絡(luò)的計算相當(dāng)復(fù)雜，解決是幾乎不可能的。
馬文.明斯基（Marvin Minsky）在人工智能研究方面的權(quán)威性還是相當(dāng)高的，他是第一個圖靈獎的獲得者，由于他這樣的悲觀態(tài)度導(dǎo)致了神經(jīng)網(wǎng)絡(luò)的研究一下子冷卻下來，進(jìn)入了10年的冰河時期。

1986年

Rumelhar和Hinton 提出了反向傳播算法（英：Backpropagation algorithm，簡稱：BP算法）是一種監(jiān)督學(xué)習(xí)算法，解決了兩層神經(jīng)網(wǎng)絡(luò)計算的復(fù)雜性。
到這里不得不說一下，深度學(xué)習(xí)之父杰弗里·辛頓（Geoffrey Hinton），在計算條件不發(fā)達(dá)以及數(shù)據(jù)水平也不夠的條件下，很多人都放棄了對神經(jīng)網(wǎng)絡(luò)的研究，而是想跳過大腦直接從行為上進(jìn)行人工智能的研究。能夠堅(jiān)持對神經(jīng)網(wǎng)絡(luò)研究的人很少，辛頓就是其中一人。反向傳播算法的提出，引起了人工神經(jīng)領(lǐng)域的研究熱潮。

90年代中期

機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)，支持向量機(jī)算法誕生（SVM算法），這也是一種有監(jiān)督的學(xué)習(xí)模型，應(yīng)用于模式識別，分類以及回歸分析等。支持向量機(jī)以統(tǒng)計學(xué)為基礎(chǔ)，和神經(jīng)網(wǎng)絡(luò)有明顯的差異，支持向量機(jī)算法的提出再次將大家的研究方向帶離了神經(jīng)網(wǎng)絡(luò)。

2006年Geoffery Hinton一直專注于神經(jīng)網(wǎng)絡(luò)研究的領(lǐng)域，他提出了深度學(xué)習(xí)（多層神經(jīng)網(wǎng)絡(luò)），并且?guī)ьI(lǐng)著他的深度學(xué)習(xí)小組在2012年的ImageNet競賽中一舉奪冠，秒殺了很多當(dāng)時參賽的大公司。這個時候，深度學(xué)習(xí)已經(jīng)開始在語音識別，圖像識別以及自動駕駛方面發(fā)力，引起了全世界巨頭公司的關(guān)注

Geoffery Hinton和第一次將BP算法用在CNN上并成功應(yīng)用到手寫數(shù)字識別任務(wù)上的Yann Lecun以及開創(chuàng)了神經(jīng)網(wǎng)絡(luò)做語言模型先河的Bengio算是目前深度學(xué)習(xí)中世界頂尖級的三大領(lǐng)軍人物。Hinton在Google工作，Yann Lecun則去了Facebook，Bengio則一直活躍在學(xué)術(shù)界。

Geoffrey Hinton

Yann Lecun

Bengio

Google是2011年開始的大腦計劃，到目前已經(jīng)有很多讓大家驚嘆的成果，包括無人駕駛和AlphaGo。而國內(nèi)的深度學(xué)習(xí)研究則相對要落后一些，百度在2013年成立了深度學(xué)習(xí)研究院，開始發(fā)力。

極驗(yàn)從13年開始著手研究，將深度學(xué)習(xí)應(yīng)用到互聯(lián)網(wǎng)驗(yàn)證安全領(lǐng)域，并且現(xiàn)在已經(jīng)將比較成熟的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于區(qū)別網(wǎng)絡(luò)中的惡意程序和真實(shí)用戶。極驗(yàn)的人機(jī)檢測模型通過大量的樣本訓(xùn)練，能夠準(zhǔn)確的區(qū)分人機(jī)并且在不斷的進(jìn)行特征的學(xué)習(xí)和強(qiáng)化，從更多維的特征去辨識人機(jī)。