IEEE-ICASSP2016大会：人工智能中的深度学习--从机器感知到机器认知（英文版）

微软人工智能首席科学家邓力博士在上海IEEE-ICASSP2016大会上的演讲报告。邓力率先提出将深度神经网络应用于语音识别，显著提高了机器对语音的识别率，由此获得2015年IEEE技术成就奖。《IEEE-ICASSP2016大会：深度学习技术及趋势报告》目录机器感知中的深度学习 语言 图像 机器认知中的深度学习 语义模型 自然语言 多模态 推理，关注，记忆（RAM） 知识呈现/管理/开发 最佳决策（通过深度强化学习） 深度学习和AI研究中的三大热门领域及挑战深度无监督学习 无监督学习近来成了深度学习领域一大热点 需要有一个任务为无监督学习设定基准，比如提高预测精度 语音识别和图像说明的例子 4种知识来源 未来研究挑战 结构化嵌入从而更好地推理：结合神经网络表征 结合深度判别模型和深度生成模型/贝叶斯模型 深度无监督学习 标题：人工智能中的深度学习――从机器感知到机器认知AlphaGo 如何运用人工智能/强人工智能与深度学习深度学习研究：以神经信息处理系统（NIPS）为中心2010年到2012年，安卓在语音识别错误率上取得的突破全球语音行业中深度神经网络（DNN）的应用当下语音识别技术