Deep learning belongs to the field of artificial intelligence, where machines perform tasks that typically require some kind of human intelligence. Similar to the basic structure of a brain, a deep learning algorithm consists of an artificial neural network, which resembles the biological brain structure. Mimicking the learning process of humans with their senses, deep learning networks are fed with (sensory) data, like texts, images, videos or sounds. These networks outperform the state-of-the-art methods in different tasks and, because of this, the whole field saw an exponential growth during the last years. This growth resulted in way over 10,000 publications per year in the last years. For example, the search engine PubMed alone, which covers only a sub-set of all publications in the medical field, provides already over 11,000 results in Q3 2020 for the search term 'deep learning', and around 90% of these results are from the last three years. Consequently, a complete overview over the field of deep learning is already impossible to obtain and, in the near future, it will potentially become difficult to obtain an overview over a subfield. However, there are several review articles about deep learning, which are focused on specific scientific fields or applications, for example deep learning advances in computer vision or in specific tasks like object detection. With these surveys as a foundation, the aim of this contribution is to provide a first high-level, categorized meta-survey of selected reviews on deep learning across different scientific disciplines. The categories (computer vision, language processing, medical informatics and additional works) have been chosen according to the underlying data sources (image, language, medical, mixed). In addition, we review the common architectures, methods, pros, cons, evaluations, challenges and future directions for every sub-category.
翻译：深层学习属于人工智能领域, 机器执行的任务通常需要某种人类智能。 与大脑的基本结构相似, 深层学习算法由人工神经网络组成, 类似于生物大脑结构。 以感官对人的学习过程进行模拟, 深层学习网络用( 感官) 数据( 如文本、 图像、 视频或声音) 填充( 感官) 。 这些网络在不同任务中的表现超过了最先进的方法。 因此, 在过去几年里, 整个领域都出现了指数增长。 这一增长导致过去几年每年有10,000多份出版物。 例如, 单是搜索引擎PubMed, 它只包含医学领域所有出版物的子集, 以其感官化过程为缩放, 而在Q3 2020 搜索术语“ 深层学习” 中已有11000多项结果, 其中约90%是过去三年的。 因此, 深度学习领域的全面概览已经无法获得, 而在近期里, 将很难获得一个子领域的概览。 。 在一个子领域, 深度的, 搜索引擎中, 有一些关于 深度的 基础 基础 研究, 基础 研究 的 研究 的,, 的 基础 学习 的 基础 的 研究 的 的 研究 的, 的 的 的 的 的 的 的 的 的, 以 以 特定 特定 特定 的 的 的 学习 的 的 的 的 的 的 研究 研究 的 的 的 的 基础 的 的 的 的 的 的 的 的 的 的 的 的 的 的 研究 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 的 和 的 的 的 的 的 的 的 的 的 的 的
相关内容
微信扫码咨询专知VIP会员