我正在寻找一篇在神经网络(深度学习)和传统方法之间进行一些比较的论文,以证明 DL 通常在有足够数据的情况下表现更好。我知道这是“已知”的事实,但我正在努力寻找一篇在该领域进行研究的好论文。
谢谢!
我正在寻找一篇在神经网络(深度学习)和传统方法之间进行一些比较的论文,以证明 DL 通常在有足够数据的情况下表现更好。我知道这是“已知”的事实,但我正在努力寻找一篇在该领域进行研究的好论文。
谢谢!
这是一篇博客文章,提供了该过程的历史视图,其中包含几个流行的参考资料。特别是,请考虑自然语言处理部分及其结论:
在历史足够长的 NLP 任务上,似乎没有明确的迹象表明深度学习的表现高于趋势线。
此外,值得注意的是文章的一般结论:
相对于之前的机器学习或图像识别和语音识别中的 AI 性能趋势线,深度学习提供了不连续的跳跃;它不在策略游戏或自然语言处理中,机器翻译和街机游戏是模棱两可的(机器翻译,因为指标不同;街机游戏,因为没有深度学习前的比较。)