机器学习技术

翻译(中文10000字,英文PDF)
深度学习可以让由多个处理层组成的计算模型来学习具有抽象多层次的代表性数据。这些方法显著促进了目前前沿的语音识别、视觉对象识别、目标检测以及诸如医药研发基因组学等领域的发展。深度学习通过使用反响传播（BP）算法发现在大数据中的复杂结构来知道机器应该如何从前一层获取误差改变本层使用计算表示的内部参数。深度卷积网络在图像、视频、语言及音频处理领域带来突破，而递归网络在文本和语言的时序数据方面展现了闪亮的一面。
机器学习技术驱动了现代社会的诸多领域：从网络搜索、社交网络内容过滤到电子商务网站商品推荐等等，并越来越多地展现在像相机和智能手机一样的用户产品中。机器学习系统被用于识别图像中的目标、语言文本转换、匹配新闻元素、根据用户偏好提供职位或产品、选择相关的搜索结果。渐渐地这些应用使用了一种称为深度学习的技术。