深度学习的应用场景

一、感知器

输入x(x1,x2...)->组合函数c()-> b偏差（权重w1,w1...）->激活函数a()-> 输出y

多层感知器（MLP）

二、卷积神经网络（CNN）

2.1两种广泛应用的DNN：CNN 和RNN

    CNN（卷积神经网络）     ----图像识别
        Convolutional Neural Network 
    RNN（循环神经网络）     ----序列预测（文本，视频，语音，时间序列）
        Recurrent Neural Network 

2.2用场景

CNN（卷积神经网络）
    图像识别
    图像分类
    目标检索/定位
    图像搜索
    人脸识别：人脸检测/人脸分析（性别，年龄，微笑）
              人脸比对（判断）
              人脸搜索（数据库中搜索）
    无人驾驶：定位，
             感知，
             决策，
             控制
    拍照食物/搜索：
        识别花朵/拍照购物/以图搜图
    物体检测和定位：
        图片中的物体
    风格迁移：
        模仿大师的绘画风格
    图片智能审核
        色情过滤/暴力过滤/广告过滤/识别二维码

    RNN（循环神经网络）
        时间序列预测（天气、股票）
        情感分析（正面、负面）
        模拟写作：模仿作家风格写作
        看图说话：自动给图片生成标题
        机器翻译