深度学习技术国内外研究现状
2014年，搜狗公司的搜索事业部在Rank组正式成立了DL项目团队，专门研究如何应用深度学习技术改进网页排序的相关性问题，构建深度神经网络(Deep Neural Net,DNN)模型，将其应用到搜狗网页搜索的LTR排序模型，最终取得了显著的排序效果改进。论文网
美团点评将深度学习技术应用于文字识别、目标检测、图像分类、图像质量排序等。基于深度学习的OCR在美团点评中针对手机拍摄的照片进行文字信息提取和识别。
汉王科技是以模式识别为核心技术的智能交互软件公司，该公司研发了多种基于图像处理和神经网络的产品，其中汉王PDF OCR广泛应用于我们的学习生活中。
2 国外研究状况
2006年，Geoffrey Hinton[ ]用贪婪逐层预训练（greedy layer-wise pretraining)有效训练了一个深度信念网络。2009-2012年，瑞士人工智能实验室IDSIA的Jürgen Schmidhuber[ ]带领研究小组研究发展了递归神经网络和深前馈神经网络。2012年6月，《纽约时报》报道了由著名的斯坦福大学的机器学习教授Andrew Ng[ ]和在大规模计算机系统方面的世界顶尖专家Jeff Dean[ ]共同主导的Google Brain项目，项目组利用深度神经网络（Deep Neural Networks，DNN）使系统自我训练发明或领悟了‘猫’的概念。
俄罗斯的ABBYY[ ]软件公司，利用图像分割等技术，开发出的ABBYY FineReader拥有99.8%的识别准确率，OCR技术即刻能够识别文本,转换为几乎所有打印的文档类型，是目前文本识别软件中的佼佼者。
2014年3月，Facebook的DeepFace[ ]项目基于深度学习方法用了9层的神经网络使得人脸识别技术的识别率已经达到了97.25%，十分接近人眼识别的准确率。
2016年3月人工智能围棋比赛，由位于英国伦敦的谷歌旗下的团队开发的AlphaGo[ ]战胜了世界围棋冠军李世石，并以4:1的总比分获胜。AlphaGo的主要工作原理就是深度学习。
下一篇：云笔记APP研究现状和参考文献