計算機深度學(xué)習(xí)技術(shù)介紹
深度學(xué)習(xí)是人工智能機器學(xué)習(xí)的一個子集，它具有能夠從非結(jié)構(gòu)化或未標(biāo)記的數(shù)據(jù)中不受監(jiān)督地學(xué)習(xí)的網(wǎng)絡(luò)。
深度學(xué)習(xí)是一種人工智能（AI）功能，它模仿人腦在處理數(shù)據(jù)和創(chuàng)建用于決策的模式方面的工作。深度學(xué)習(xí)是人工智能機器學(xué)習(xí)的一個子集，它具有能夠從非結(jié)構(gòu)化或未標(biāo)記的數(shù)據(jù)中不受監(jiān)督地學(xué)習(xí)的網(wǎng)絡(luò)。也稱為深度神經(jīng)學(xué)習(xí)或深度神經(jīng)網(wǎng)絡(luò)。
深度學(xué)習(xí)是一種AI功能，它模仿人腦在處理用于檢測對象，識別語音，翻譯語言和進行決策的數(shù)據(jù)時的工作方式。
深度學(xué)習(xí)AI可以在無人監(jiān)督的情況下從非結(jié)構(gòu)化和未標(biāo)記的數(shù)據(jù)中學(xué)習(xí)。
深度學(xué)習(xí)是機器學(xué)習(xí)的一種形式，可用于幫助檢測欺詐或洗錢以及其他功能。
深度學(xué)習(xí)如何工作
深度學(xué)習(xí)與數(shù)字時代同步發(fā)展，數(shù)字時代帶來了來自世界各地的各種形式的數(shù)據(jù)爆炸式增長。這些數(shù)據(jù)（簡稱為大數(shù)據(jù)）來自社交媒體，互聯(lián)網(wǎng)搜索引擎，電子商務(wù)平臺和在線電影院等資源。大量數(shù)據(jù)易于訪問，可以通過云計算等金融科技應(yīng)用程序共享。
但是，通常是非結(jié)構(gòu)化的數(shù)據(jù)非常龐大，以至于人類可能需要數(shù)十年才能理解并提取相關(guān)信息。公司意識到，挖掘這些豐富的信息可能會帶來令人難以置信的潛力，并且越來越多地采用AI系統(tǒng)進行自動化支持。
深度學(xué)習(xí)可解散大量的非結(jié)構(gòu)化數(shù)據(jù)，通常這需要人類花費數(shù)十年的時間來理解和處理。
深度學(xué)習(xí)與機器學(xué)習(xí)
機器學(xué)習(xí)是用于處理大數(shù)據(jù)的最常見的AI技術(shù)之一，它是一種自適應(yīng)算法，隨著經(jīng)驗或新添加的數(shù)據(jù)的出現(xiàn)，分析算法和模式將變得越來越好。
如果數(shù)字支付公司想要檢測其系統(tǒng)中欺詐的發(fā)生或潛在可能性，則可以為此目的使用機器學(xué)習(xí)工具。計算機模型中內(nèi)置的計算算法將處理在數(shù)字平臺上發(fā)生的所有交易，在數(shù)據(jù)集中查找模式，并指出該模式檢測到的任何異常情況。
深度學(xué)習(xí)是機器學(xué)習(xí)的一個子集，它利用人工神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)來執(zhí)行機器學(xué)習(xí)的過程。人工神經(jīng)網(wǎng)絡(luò)就像人的大腦一樣構(gòu)建，神經(jīng)元節(jié)點像網(wǎng)絡(luò)一樣連接在一起。傳統(tǒng)程序以線性方式使用數(shù)據(jù)構(gòu)建分析，而深度學(xué)習(xí)系統(tǒng)的分層功能使機器可以使用非線性方法處理數(shù)據(jù)。
特別注意事項
檢測欺詐或洗錢的傳統(tǒng)方法可能取決于隨之而來的交易量，而深度學(xué)習(xí)非線性技術(shù)將包括時間，地理位置，IP地址，零售商的類型以及任何可能表明欺詐的特征。活動。神經(jīng)網(wǎng)絡(luò)的第一層處理原始數(shù)據(jù)輸入（例如事務(wù)量），并將其作為輸出傳遞到下一層。第二層通過包含諸如用戶IP地址之類的附加信息來處理前一層的信息，并傳遞其結(jié)果。
下一層獲取第二層的信息，并包括諸如地理位置之類的原始數(shù)據(jù)，并使機器的模式更加完善。這在神經(jīng)元網(wǎng)絡(luò)的所有層次上都繼續(xù)存在。
深度學(xué)習(xí)示例
將上述欺詐檢測系統(tǒng)與機器學(xué)習(xí)一起使用，可以創(chuàng)建一個深度學(xué)習(xí)示例。如果機器學(xué)習(xí)系統(tǒng)使用圍繞用戶發(fā)送或接收的美元數(shù)量建立參數(shù)的模型來創(chuàng)建，則深度學(xué)習(xí)方法可以開始基于機器學(xué)習(xí)提供的結(jié)果。
其神經(jīng)網(wǎng)絡(luò)的每一層都在其上一層基礎(chǔ)上，添加了諸如零售商，發(fā)件人，用戶，社交媒體事件，信用評分，IP地址之類的附加數(shù)據(jù)，以及許多其他功能，如果由人工處理，則可能需要花費數(shù)年才能連接在一起存在。訓(xùn)練深度學(xué)習(xí)算法不僅可以從所有交易中創(chuàng)建模式，而且還可以知道何時某個模式表明需要進行欺詐性調(diào)查。最后一層將信號傳遞給分析人員，該分析人員可以凍結(jié)用戶的帳戶，直到完成所有未完成的調(diào)查。
深度學(xué)習(xí)已在所有行業(yè)中用于許多不同的任務(wù)。使用圖像識別的商業(yè)應(yīng)用程序，帶有消費者推薦應(yīng)用程序的開源平臺以及探索將藥物重新用于新疾病的可能性的醫(yī)學(xué)研究工具就是深度學(xué)習(xí)整合的一些例子。