TOC
深度学习的历史（一）
深度学习的主要突破是从2011年开始，开始超越其它算法成为主流也是从这个时间开始，因此我们有必要先了解从2011年开始的历史，话不多说，直接看。
2011年以前反向传播训练的CNNs已经存在了几十年，GPU实现NNs（包括CNNs）已经有很多年了，但在计算机视觉上进展不大，直到Ciresan和其同事对此进行了改进–GPU上实现max池的CNNs。
2011年，这种方法首次在视觉模式识别比赛中取得了超越人类的成绩。当年获得了ICDAR中文手写大赛的冠军，2012年5月获得了ISBI图像分割大赛的冠军。
CNNs
2011年之前，CNNs在计算机视觉会议上没有发挥重要作用。
在2012年6月，Ciresan等人在领先的CVPR会议上发表的一篇论文显示，在GPU上最大池化的CNN是如何显著改善许多视觉基准记录的。
2012年10月，Krizhevsky等人的类似系统以显著优势战胜了浅层机器学习方法，赢得了大规模的ImageNet竞赛。
2012年11月，Ciresan等人的系统还获得了ICPR大型医学影像分析用于癌症检测的比赛，并在第二年的MICCAI大挑战赛上获得了同一主题的冠军。
2012年，George E. Dahl领导的团队利用多任务深度神经网络预测一种药物的生物分子靶点，赢得了 “默克分子活性挑战赛”
应用在其它领域
2014年，Hochreiter小组利用深度学习检测营养品、生活用品和药物中的环境化学物质的非目标和毒性效应，并获得了NIH、FDA和NCATS的 “Tox21数据挑战赛”。
在2013年和2014年，使用深度学习的ImageNet任务上的错误率进一步降低，在大规模语音识别中也有类似的趋势。Wolfram图像识别项目公开了这些改进。
然后，图像分类被扩展到更有挑战性的任务，即为图像生成描述（标题），通常是CNNs和LSTMs的组合。
图灵
2019年3月26日，美国计算机协会（ACM）公布了去年（2018年）图灵奖评选的结果，对深度学习做出开创性贡献的三名美国和加拿大科学家本杰欧（Yoshua Bengio）、辛顿（Geoffrey Hinton）和莱昆（Yann LeCun）荣获该奖。
参考文献：深度学习
「点个赞」
Yaohong
点个赞
使用微信扫描二维码完成支付
