深度学习商业产业化重塑未来社会智能

uml最全面的总结，全网或许就这一篇！

本文从UML建模语言可用性讲起，对于其九大用例图与常用术语进行总结，是架构师们最好的帮手。

随着人工智能的火热发展，深度学习成为发展最快的领域。深度学习是当前最有潜力的机器学习的分支领域，引起各领域的广泛关注。

在近几年，谷歌研发了基于深度学习的AlphaGo，2016年完胜围棋冠军，2017年在中国棋类网站上与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；同年，在乌镇围棋峰会上，它完胜排名世界第一的世界围棋冠军柯洁。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平。

这一例子无一不是在说明深度学习已经席卷各领域，不断征服战场。先进技术在不断研究与探索中，伴随着计算资源的大幅提升，计算力得到得到加速发展，大数据与AI时代革新整个世界所有领域。

那么，在这之中的深度学习如何发挥作用？

深度学习是一种基于人工神经网络架构，对数据进行表征学习的算法，寻求更好的表示方法且创建更好的模型来对大量未知数据进行学习。

深度学习拥有强大的学习能力、广覆盖范围和优异的适应性、数据驱动上限高以及优秀的可移植性等优点，使得深度学习进行多应用。

1、基于深度学习的4种典型算法：

1）卷积神经网络CNN

2）循环神经网络RNN

3）生成对抗网络GANs

4）深度强化学习RL

2、深度学习的主要应用

1）人脸识别

基于深度学习的人脸识别通过对图像进行轮廓定位态校正、全局粗定位或局部精细定位等，可以在特定环境下准确识别人脸图片。

2）机器写作

及其写作具有广阔的应用场景，节省大量人力成本，提高效率。深度学习的迅猛发展改进了机器写作的文本生成，使其脱离模板与规则。

3）语音识别

利用深度神经网络开发准确的声学模型，建立语音系统，学习新特征或根据需求进行调整，从而通过事先预测所有可能性来提供帮助。

4）癌症转移

基于深度学习的集成策略用于自动量化癌症转移和治疗性抗体靶标，揭示了全身性癌症转移和治疗性抗体靶标。因此，DeepMACT可以在临床前阶段显著改善抗体有效疗法的发现。