深度神经网络目前有哪些成功的应用

1. 深度神经网络目前有哪些成功的应用

深度学习最成功的应用是在音视频的识别上，几乎所有的商用语音识别都是深度学习来完成的。
其次深度学习应用最成功的领域就是图像识别，目前识别准确率已经超越人类。深度学习成了图像识别的标配，以至于目前做图像不懂深度学习都不好意思跟人打招呼。（这种状态个人觉得是不好的）
其中图像识别中，应用最广的是人脸识别。
自然语言理解方面，深度学习也非常活跃，主要是使用一种叫做LSTM的深度学习方法。
深度学习已经深入各个领域
无人车，智能回答，智能翻译，天气预报，股票预测，人脸比对，声纹比对，等
其他许多有趣的应用，比如智能插画，自动作诗，自动写作文，等都可以通过深度学习来完成

2. 深度神经网络算法用什么软件处理

微软介绍，这种新型语音识别软件采用了名为“深度神经网络”的技术，使得该软件处理人类语音的过程与人脑相似。对此微软必应(Bing)搜索业务部门主管斯特凡·维茨(Stefan Weitz)在本周一表示：“我们试图复制人脑聆听和处理人类语音的方式。”
微软还表示，与原有WP手机语音识别技术相比，新型技术的语音识别准确性提高了15%，且创建相应文本及搜索关键词的速度也更快。如此一来，必应返回相应搜索结果所用时间比以前快了两倍。
微软语音处理技术部门高级项目经理迈克尔·特加尔夫(Michael Tjalve)也表示：“通过我们最新的语音识别器，你不但得到的结果更好，而且速度更快。”
微软已面向美国市场的Windows Phone手机用户发布了这项技术。用户通过这项新技术，将更容易使用语音命令来创建短信、进行网络搜索等活动。

3. 神经网络与深度神经网络有什么区别

神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。
深度神经网络指的是微软推出了一新款语音识别软件，其工作原理是模仿人脑思考方式，从而使该软件的语音识别速度更快，识别准确率也更高。

4. 非监督深度神经网络有哪些典型结构

我接触到的有：
1. word2vec，用于把一个词表示成一个向量
2. RBM和autoencoder，用于pre-training

5. 深度学习和深度神经网络的AI有什么区别

AI就是人工智能（Artificial Intelligence）的简称。
机器学习：一种实现人工智能的方法，机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
深度学习：一种实现机器学习的技术。深度学习本来并不是一种独立的学习方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并不是一个全新的概念，可大致理解为包含多个隐含层的神经网络结构。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

6. 求介绍DNN深度神经网络的有关书籍

你好，我的工作主要就是研究DNN，RNN等神经网络。书籍什么的好像真的比较少，CSDN上好像有分享，我平时用来查阅的书是《Pattern Recognition and Machine Learning》，这本书是将模式识别的，里面有神经网络的内容。不过，现在有各种各样的帖子和博客在探讨DNN或是其他神经网络，其中有很多讲的深入浅出，非常适合初级和进阶学习，如：http://blog.csdn.net/zzwu/article/details/574931。当然CSDN上有无穷无尽的大牛，你自己探索一下便能很快入门。
此外，必读的当然是大神们的论文了，我帮你稍微罗列一下：
1. A fast learning algorithm for deep belief nets
2. Exploring Strategies for Training Deep Neural Networks
3. Learning Multiple Layers of Representation
4. Reducing the dimensionality of data with neural networks
5. To recognize shapes, first learn to generate images
6. Deep Learning Tutorial
7. Deep Neural Networks for Acoustic Modeling in Speech Recognition
8. Deep Learning for Signal and Information Processing
9. Greedy Layer-Wise Training of Deep Networks
神经网络是近些年的研究热点，如果你有读英文书籍的决心，那相信这些英文论文肯定不在话下了。
祝你学习愉快。

7. 卷积神经网络和深度神经网络的区别是什么

卷积神经网络是深度神经网络中的一种，深度神经网络还有DBN,RBN,AD等，deeplearning tutorial 是个很不错的东西，还有百度余凯教授的一些论文，csdn的一些博客还不错。还有一些框架theano,caffe等都是挺有用的，目前只看了theano，但听说企业都是用caffe

作者：尹川东
来源：知乎

8. 卷积神经网络和深度神经网络的区别是什么

这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。