简述深度学习的基本方法。
发布网友
发布时间：2022-04-21 19:09
共3个回答
热心网友
时间：2022-05-23 15:19
最佳答案
1、深度学习，首先要学会给自己定定目标（大、小、长、短），这样学习会有一个方向；然后要学会梳理自身学习情况，以课本为基础，结合自己做的笔记、试卷、掌握的薄弱环节、存在的问题等，合理的分配时间，有针对性、具体的去一点一点的去攻克、落实。
2、可以学习掌握速读记忆的能力，提高学习复习效率。速读记忆是一种高效的学习、复习方法，其训练原理就在于激活“脑、眼”潜能，培养形成眼脑直映式的阅读、学习方式。速读记忆的练习见《精英特全脑速读记忆训练》，用软件练习，每天一个多小时，一个月的时间，可以把阅读速度提高5、6倍，记忆力、注意力、思维、理解力等也会得到相应的提高，最终提高学习、复习效率，取得好成绩。如果你的阅读、学习效率低的话，可以好好的去练习一下。
3、要学会整合知识点。把需要学习的信息、掌握的知识分类，做成思维导图或知识点卡片，会让你的大脑、思维条理清醒，方便记忆、温习、掌握。同时，要学会把新知识和已学知识联系起来，不断糅合、完善你的知识体系。这样能够促进理解，加深记忆。
4、做题的时候要学会反思、归类、整理出对应的解题思路。遇到错的题（粗心做错也好、不会做也罢），最好能把这些错题收集起来，每个科目都建立一个独立的错题集（错题集要归类），当我们进行考前复习的时候，它们是重点复习对象，保证不再同样的问题上再出错、再丢分。
热心网友
时间：2022-05-23 15:19
至今已有数种深度学习框架，如深度神经网络、卷积神经网络和深度置信网络和递归神经网络已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。另外，“深度学习”已成为类似术语，或者说是神经网络的品牌重塑。
1解释编辑
通过多层处理，逐渐将初始的“低层”特征表示转化为“高层”特征表示后，用“简单模型”即可完成复杂的分类等学习任务。由此可将深度学习理解为进行“特征学习”（feature learning）或“表示学习”（representation learning）。
以往在机器学习用于现实任务时，描述样本的特征通常需由人类专家来设计，这成为“特征工程”（feature engineering）。众所周知，特征的好坏对泛化性能有至关重要的影响，人类专家设计出好特征也并非易事；特征学习（表征学习）则通过机器学习技术自身来产生好特征，这使机器学习向“全自动数据分析”又前进了一步。
2背景编辑
机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。机器能否像人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。[1]
3深度概念编辑
从一个输入中产生一个输出所涉及的计算可以通过一个流向图(flow graph)来表示：流向图是一种能够表示计算的图，在这种图中每一个节点表示一个基本的计算以及一个计算
含多个隐层的深度学习模型
含多个隐层的深度学习模型
的值，计算的结果被应用到这个节点的子节点的值。考虑这样一个计算集合，它可以被允许在每一个节点和可能的图结构中，并定义了一个函数族。输入节点没有父节点，输出节点没有子节点。
这种流向图的一个特别属性是深度(depth)：从一个输入到一个输出的最长路径的长度。
传统的前馈神经网络能够被看做拥有等于层数的深度(比如对于输出层为隐层数加1)。SVMs有深度2(一个对应于核输出或者特征空间，另一个对应于所产生输出的线性混合)。[2]
人工智能研究的方向之一，是以所谓 “专家系统” 为代表的，用大量 “如果-就” (If - Then) 规则定义的，自上而下的思路。人工神经网络( Artifical Neural Network)，标志着另外一种自下而上的思路。神经网络没有一个严格的正式定义。它的基本特点，是试图模仿大脑的神经元之间传递，处理信息的模式
热心网友
时间：2022-05-23 15:20
以上“三度”就是深度学习的本质和要义，要达成深度学习的目标，教育者应当认真做好教学建构，精心设计教学内容和问题情境，唤起学生学习兴趣，引导学生自觉运用跨学科思维，鼓励学生积极进行迁移应用。为此，教师应进行三个方面的准备。
充分的教学资源
教学资源是学习的起点和基础。因此，深度学习的第一步就是选择和确定教学资源。不是每一课教材内容都有必要进行深度学习，在选择时应当遵循以下三个原则：
学习内容具有综合性。注重同学科前后知识的关联性和系统性，必要时还需要融入课本之外的诸多知识，才能更好地理解学科内容，化解问题。如“轮轴”一课中，轮轴省力的原理便需要借助上一节课“杠杆”知识来理解，只需要将杠杆与轮轴作一番比较，学生很容易发现杠杆自转一周就成了轮轴。通过系统思维，可以将知识追根溯源，轻松揭开其中的奥秘。
学习内容具有研究性。只有投入大量时间和精力，进行细致深入的观察、思考和分析，才能得出正确的判断和结论。如小学科学“冷和热”一课，在对“一杯热水自然降温”现象的观察中，要不间断地做好水温测试和记录，并细致比对最终数据，方能总结出一杯热水在自然状态下降温的规律。唯有深入研究才能抵达问题本质。
学习内容具有挑战性。对挑战的期待是学生与生俱来的品格和心理诉求，也是激发学生学习热情的主要动力。这种挑战不是内容的生僻和晦涩难懂，而是指解决这个问题需要动用多种渠道、通过多种方式才能完成。如“制作弹簧秤”需要从弹簧秤原理、材料、制作、测试、限重等诸多方面进行全面考量。
良好的教学环境
教学环境是学生学习的文化场域，深度学习需要在良好的教学环境中开展。
充分自主的学习时空。深度学习是在完成基本学习任务基础上的自主学习和个性化学习，教师要充分尊重学生在学习内容、学习方式、学习时间和合作伙伴等方面的自主权。当然，学生有自主学习的权利，没有自主不学习的权利。教师要善于发现和捕捉学生“自主不学习”的问题，并帮助他们找到适合自己的学习节奏和学习方法。
合作共进的学习团队。学习团队既可以是学习小组，也可以是整个班集体。作为学生个体所处的组织网络，提供了取之不尽的智力资源和学习动力。建设有凝聚力的学习团队，让学生自主选择合作伙伴，这样自觉建立起的学习小组最具凝聚力和号召力。
多向畅通的资源平台。学习不能只靠孤军奋战和单打独斗，还需要多方借力。学习的各场域都需要置备各种资源，包括网络平台、图书资料、实验设备等，让学生有沟通的渠道、查询的途径、操作的媒介。如一些学校建立课程基地和学科工作坊，汇聚起课程学习的所有软硬件资源，从而切实保障了深度学习的有效实施。
必备的教学保障
有力的教学支撑是深度学习能否顺利实施的关键，也是深度学习化解各种难题并走出困境的根本保障。
教师的深度设计。深度学习呼唤深度的教学设计，其关键在于教学内容的内在关联性和结构性。这就要求教师设计的教学内容既要有清晰的知识脉络，又能对于每个知识点上衍生出的问题进行甄别和梳理，使整个学习过程体现思维跨度和逻辑梯度。此外，多样的情境体验和趣味活动也要有机融入设计之中。
教师的深度指导。深度学习过程中必然会遇到矛盾和问题，这就要求教师做好跟踪服务和指导，适时点拨和引导学生思维，助推学生不断向知识的更深处迈进。如“简单电路”一课，教材虽未要求学习“并联”，但学生在实验研究中意外发现“并联”的现象，并有兴致有能力研究，教师就可以深度引入，实现触类旁通。
教师的深度评价。评价不仅是一种判断和比较，更提供了一种学习导向。有判断和比较才能有自省和反思；有导向才能有目标和动力。首先要肯定学生学习的不易，并从对“深度”的挖掘上提出切实可行的学习建议；其次是表扬学生可圈可点的个性化学习优势和成果，促成学生自觉形成良好学习品质和习惯；此外还应当评估学习团队的合作攻关能力，鼓励学习小组发挥集体力量，倡导集体智慧背景下学生有组织地进行自主学习，集思广益、合作共赢，在为集体作贡献中实现自我成长。
