国际群体智能与进化计算杂志

抽象的

深度学习在数据挖掘和机器学习中的重要性

佐拉比 P

深度学习算法使用大量无监督数据来自动提取复杂表示。这些算法主要受到人工智能 (AI) 领域的推动，其总体目标是模拟人类大脑观察、分析、学习和做出决策的能力，尤其是针对极其复杂的问题。有关这些复杂挑战的工作一直是深度学习算法背后的主要动机，这些算法力求模拟人类大脑的分层学习方法。支持浅层学习架构（如决策树、支持向量机和基于案例的推理）的模型在尝试从输入语料库中的复杂结构和关系中提取有用信息时可能会失败。相比之下，深度学习架构有可能以非局部和全局方式进行概括，从而生成超出数据中直接邻居的学习模式和关系。深度学习实际上是迈向人工智能的关键一步。它不仅提供适合人工智能任务的复杂数据表示，而且还使机器独立于人类知识，这是人工智能的最终目标。它直接从无监督数据中提取表示，无需人工干预。