深度学习与气象应用探讨
2020-07-10王亮牛剑窦硌
科学与信息化 2020年12期
关键词:深度学习
王亮 牛剑 窦硌
摘 要 人工智能的迅猛发展,在图像识别,语言处理等领域取得了巨大进步,对气象领域的发展有巨大的启示作用,为未来气象预报提供了新的方向。
关键词 深度学习;气象;预报
伴随着计算机技术的迅猛发展,深度学习开启了人工智能新时代。以深度学习为代表,伴随其在计算机视觉、语音识别、自然语言处理等领域取得的突破性进展,新技术创新带来的不仅是挑战,同时也给气象预报和监测技术的发展带来了新思考和新方向。
1深度学习
1.1 深度学习的基本概念
深度学习是以建立深层结构化模型为目标的机器学习,是机器学习中一种基于对数据表征学习的方法,基于神经网络建立模拟人脑分析、学习的模型,模仿人脑机制识别目标,感知信息,通过组合底层特征形成更抽象的高层表示属性类别或特征,以发现数据分布式特征表示,深度学习示意图[1]。
1.2 深度学习模型
同机器学习方法一样,深度学习方法也有生成模型与判别模型之分,不同学习框架下的学习模型不同。
(1)卷积神经网络。①概念。卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成。卷积神经网络(CNN)是人工神经网络的一种,是一种前馈神经网络,是为识别二维形状而特殊设计的一个多层感知器,这种网络结构队平移、比例缩放、倾斜或者其他形式的变形具有高度不变性。CNN本质上是一种输入到输出的映射,它能够学习大量的输入与输出的指尖的映射关系,而不需要任何输入和输出指尖的精确的数学表达式,只要用已知的模式对卷积网络加以训练,网络就具有输入输出对之间的映射能力。……
登录APP查看全文
