第一章 深度学习基本概述
第一节 基于人工神经网络的深度学习算法综述
一、人工神经网络介绍
二、人工神经网络背景
三、深度学习的定义
四、深度学习背景介绍
五、深度学习生命周期研究
六、典型的深度学习算法
第二节 深度学习与机器学习的比较
一、应用场景
二、所需数据量
三、执行时间
四、解决问题的方法
第三节 中国人工智能百强企业产业链分布情况
一、中国人工智能百强企业产业链基础层
二、中国人工智能百强企业产业链技术层
三、中国人工智能百强企业产业链应用层
第四节 机器学习、深度学习和人工智能的关系
一、人工智能(artificialintelligence)——为机器赋予人的智能
二、机器学习——一种实现人工智能的方法
三、深度学习——一种实现机器学习的技术
四、深度学习使得机器学习能够实现众多的应用,并拓展了人工智能的领域范围
五、人工智能、机器学习、深度学习技术的辨析
第二章 全球深度学习发展研究及应用前景
第一节 国外深度学习研究进展及成果
一、国外深度学习研究的进展与动向
二、国外深度学习的研究问题及其成果
三、国外深度学习研究未来可能取得的突破
第二节 主要国家在深度学习的发展
一、美国
二、英国
三、德国
第三节 巨头科技企业深度学习研究对比
一、deepmind
二、openai
三、谷歌
四、微软
五、bvlc
六、facebook
七、亚马逊
八、apple
第三章 深度学习发展环境分析
第一节 政策环境分析
一、国外政府出台相关政策分析
二、国内政府相关扶持政策分析
三、政策动向及环境影响
第二节 社会经济环境分析
一、中国宏观经济发展分析
二、宏观经济数据发展研究
三、人工智能经济时代下的社会经济发展
四、智慧城市建设提速,产生数据量巨大
五、社会经济环境的影响
第三节 技术环境分析
一、深度学习技术壁垒
二、技术发展现状
三、技术环境影响
第四节 投资环境分析
一、投融资环境情况分析
二、环境影响
第四章 我国深度学习运行现状分析
第一节 深度学习发展分析
一、深度学习框架重要性日益凸显
二、深度学习的优缺点
三、深度学习是人工智能发展的主要驱动力
四、深度学习模型在边缘计算中发挥作用
五、深度学习的瓶颈依旧困扰着产学研
六、近3年内深度学习技术的重点行业新产品特点介绍
第二节 深度学习训练过程
一、在非监督数据上建立多层神经网络的一个有效方法
二、自下上升的非监督学习
三、自顶向下的监督学习
第三节 深度学习技术发展态势及研究进展
一、传统机器学习和深度学习的核心区别
二、深度学习技术发展
三、深度学习技术研究进展
四、深度学习市场发展态势分析
第四节 深度学习发展动态
一、,openai宣布将pytorch作为其标准的深度学习框架
二、,megvii开源深度学习ai框架
三、,keras2.4.0发布
四、,华为技术有限公司开源"mindspore
五、,ibm公司的cogmol加速了covid-19的治疗开发
六、,abbyy开源neoml,深度学习和算法的框架
七、,finder发布
八、,scikIT-learn发布了0.23版本
九、,《自然机器智能》杂志发表了一个突破性的模型
十、,miscnn发布
十一、,tensorflow2.3发布
十二、,pytorch1.7.0发布
第五章 深度学习技术主要应用领域及发展分析
第一节 计算机视觉领域
一、计算机视觉领域主要场景
二、计算机视觉技术发展的趋势
三、深度学习技术在计算机视觉领域研究进展
四、深度学习在计算机视觉领域应用分析
第二节 人脸识别领域
一、人脸识别领域主要场景
二、人脸识别技术发展的趋势
三、深度学习技术在人脸识别研究进展
四、深度学习在人脸识别领域应用分析
第三节 图像识别领域
一、图像识别领域主要场景
二、图像识别技术发展的趋势
三、深度学习技术在图像识别领域研究进展
四、深度学习在图像识别领域应用分析
第四节 语音及理解领域
一、语音及理解领域主要场景
二、语音及理解技术发展的趋势
三、深度学习技术在语音及理解领域研究进展
四、深度学习在语音及理解领域应用分析
第六章 深度学习竞争分析及企业格局分布
第一节 总体市场竞争状况分析
一、深度学习竞争特征
二、深度学习竞争状况
三、深度学习平台市场份额
四、深度学习企业竞争比较分析
第二节 企业竞争格局分析
一、华为
二、百度
三、阿里
四、腾讯
五、滴滴
六、海帆数据
七、字节跳动
第三节 深度学习的swot分析
一、机会与威胁
二、优势与劣势
第七章 深度学习发展方向研究及前景分析
第一节 深度学习影响的重点领域
一、机器学习在汽车领域的前景
二、机器学习在制造业的前景
三、机器学习在零售业的前景
四、机器学习在金融业的前景
五、机器学习在农业的前景
六、机器学习在能源领域的前景
七、机器学习在卫生保健领域的前景
八、机器学习在医药制剂领域的前景
九、机器学习在公共社会领域的前景
十、机器学习在媒体领域的前景
十一、机器学习在电信领域的前景
第二节 深度学习技术发展方向
一、深度学习技术发展方向研究
二、大数据拓展深度学习的道路
三、深度学习进一步发展方向分析
四、深度学习市场的应用方向预测
第三节 全球深度学习发展方向
一、深度学习应用覆盖更广泛,市场增速加快
二、深度学习技术研究持续深入
三、边缘计算将给深度学习和芯片带来更多市场
四、深度学习芯片迎来高速发展的阶段
第四节 技术趋势预测
一、深度学习在过去几年中保持了稳定的增长趋势
二、深度学习是大数据时代的算法利器,成为近几年的研究热点
三、深度学习各类模型全面赋能基础应用
四、深度神经网络呈现层数越来越深,结构越来越复杂
五、深度神经网络节点功能不断丰富
六、深度神经网络工程化应用技术不断深化
七、深度学习与多种机器学习技术不断融合发展
第八章 深度学习研究结论及建议
第一节 深度学习研究结论
第二节 深度学习发展建议
图表目录
图表:深度学习步骤
图表:「监督学习」在ai知识结构中的位置
图表:中国人工智能百强企业产业链基础层
图表:中国人工智能百强企业产业链技术层
图表:中国人工智能百强企业产业链应用层
图表:人工智能、机器学习、深度学习技术的辨析
图表:nhtsa对自动驾驶等级的定义
图表:deepmind智能体与现实的互动
图表:全球提出ai合作计划的国家分布情况【截止2019-2023年1底】
图表:中国人工智能相关政策
图表:人脸识别领域主要场景
图表:人脸识别技术具体应用领域
图表:中国深度学习平台市场综合份额排名
图表:无人驾驶车辆基本组成
图表:mnn、ncnn、tnn框架在多款主流平台上的实测性能(1)
图表:mnn、ncnn、tnn框架在多款主流平台上的实测性能(2)
图表:mnn、ncnn、tnn框架在多款主流平台上的实测性能(3)
图表:mnn、ncnn、tnn框架在多款主流平台上的实测性能(4)
图表:机器学习在汽车领域的前景
图表:机器学习在制造业的前景
图表:机器学习在零售业的前景
图表:机器学习在金融业的前景
图表:机器学习在农业的前景
图表:机器学习在能源领域的前景
图表:机器学习在卫生保健领域的前景
图表:机器学习在医药制剂领域的前景
图表:机器学习在公共社会领域的前景
图表:机器学习在媒体领域的前景
图表:机器学习在电信领域的前景
图表:全球深度学习软件喜营收(按区域):2021-2025
图表:全球边缘计算设备出货量(按设备种类):2021-2025年
图表:全球深度学习芯片收入(按类型):2016-2025年